Question

每个客户每秒需要存储大约250个数值，每小时大约900k个数字。它可能不会是一整天的录音（可能每天5-10个小时），但我会根据客户端ID和读取日期对数据进行分区。最大行长约为22-23M，仍然可以控制。毫无意义，我的计划看起来像这样：

CREATE TABLE measurement (
  clientid text,
  date text,
  event_time timestamp,
  value int,
  PRIMARY KEY ((clientid,date), event_time)
);

密钥空间的复制因子为2，仅用于测试，小报为GossipingPropertyFileSnitch和NetworkTopologyStrategy。我知道复制因子3是更多的生产标准。

接下来，我在公司服务器上创建了一个小型集群，三个裸机虚拟化机器，具有2个CPU x 2核心和16GB RAM以及大量空间。我和他们在千兆局域网中。群集基于nodetool运行。

以下是我用来测试设置的代码：

        Cluster cluster = Cluster.builder()
                .addContactPoint("192.168.1.100")
                .addContactPoint("192.168.1.102")
                .build();
        Session session = cluster.connect();
        DateTime time = DateTime.now();
        BlockingQueue<BatchStatement> queryQueue = new ArrayBlockingQueue(50, true);

    try {

        ExecutorService pool = Executors.newFixedThreadPool(15); //changed the pool size also to throttle inserts

        String insertQuery = "insert into keyspace.measurement (clientid,date,event_time,value) values (?, ?, ?, ?)";
        PreparedStatement preparedStatement = session.prepare(insertQuery);
        BatchStatement batch = new BatchStatement(BatchStatement.Type.LOGGED); //tried with unlogged also

        //generating the entries
        for (int i = 0; i < 900000; i++) { //900000 entries is an hour worth of measurements
            time = time.plus(4); //4ms between each entry
            BoundStatement bound = preparedStatement.bind("1", "2014-01-01", time.toDate(), 1); //value not important
            batch.add(bound);

            //The batch statement must have 65535 statements at most
            if (batch.size() >= 65534) {
                queryQueue.put(batch);
                batch = new BatchStatement();
            }
        }
        queryQueue.put(batch); //the last batch, perhaps shorter than 65535

        //storing the data
        System.out.println("Starting storing");
        while (!queryQueue.isEmpty()) {
            pool.execute(() -> {
                try {

                    long threadId = Thread.currentThread().getId();
                    System.out.println("Started: " + threadId);
                    BatchStatement statement = queryQueue.take();
                    long start2 = System.currentTimeMillis();
                    session.execute(statement);
                    System.out.println("Finished " + threadId + ": " + (System.currentTimeMillis() - start2));
                } catch (Exception ex) {
                    System.out.println(ex.toString());
                }
            });

        }
        pool.shutdown();
        pool.awaitTermination(120,TimeUnit.SECONDS);


    } catch (Exception ex) {
        System.out.println(ex.toString());
    } finally {
        session.close();
        cluster.close();
    }

我通过阅读此处以及其他博客和网站上的帖子来提出代码。据我所知，客户端使用多个线程很重要，这就是我这样做的原因。我也尝试过使用异步操作。

最重要的结果就是这个，无论我使用哪种方法，一个批处理在5-6秒内执行，虽然它可能需要10个。如果我只输入一个批次则需要相同（因此，只有~65k）列）或者如果我使用哑单线程应用程序。老实说，我期待更多。特别是因为我在笔记本电脑上使用本地实例获得了或多或少类似的性能。

第二个，也许是更重要的问题，是我以不可预测的方式面对的例外。这两个：

com.datastax.driver.core.exceptions.WriteTimeoutException：Cassandra 在一致性ONE的写查询期间超时（需要1个副本但只有0承认了写）

和

com.datastax.driver.core.exceptions.NoHostAvailableException：全部尝试查询失败的主机（尝试：/192.168.1.102:9042 （com.datastax.driver.core.TransportException：[/ 192.168.1.102：9042] 连接已关闭），/ 192.168.1.100：9042 （com.datastax.driver.core.TransportException：[/ 192.168.1.100：9042] 连接已关闭），/ 192.168.1.101：9042 （com.datastax.driver.core.TransportException：[/ 192.168.1.101:9042] 连接已关闭））

在底线，我做错了吗？我应该重新组织我加载数据的方式，还是改变方案。我尝试减少行长度（所以我有12小时的行），但这没有太大的区别。

============================== 更新：

我很粗鲁，忘记在问题得到解答后粘贴我使用的代码示例。它工作得相当好，但是我继续我的研究与KairosDB和Astyanax的二进制转移。看起来我可以通过CQL获得更好的性能，虽然KairosDB在超载时可能会遇到一些问题（但我正在研究它）而且Astyanax有点用于我的口味。不过，这是代码，我可能在某处错了。

信号量槽号在高于5000时对性能没有影响，几乎不变。

String insertQuery = "insert into keyspace.measurement     (userid,time_by_hour,time,value) values (?, ?, ?, ?)";
        PreparedStatement preparedStatement =     session.prepare(insertQuery);
        Semaphore semaphore = new Semaphore(15000);

    System.out.println("Starting " + Thread.currentThread().getId());
    DateTime time = DateTime.parse("2015-01-05T12:00:00");
    //generating the entries
    long start = System.currentTimeMillis();

    for (int i = 0; i < 900000; i++) { 

        BoundStatement statement = preparedStatement.bind("User1", "2015-01-05:" + time.hourOfDay().get(), time.toDate(), 500); //value not important
        semaphore.acquire();
        ResultSetFuture resultSetFuture = session.executeAsync(statement);
        Futures.addCallback(resultSetFuture, new FutureCallback<ResultSet>() {
            @Override
            public void onSuccess(@Nullable com.datastax.driver.core.ResultSet resultSet) {

                semaphore.release();
            }

            @Override
            public void onFailure(Throwable throwable) {
                System.out.println("Error: " + throwable.toString());
                semaphore.release();
            }
        });
        time = time.plus(4); //4ms between each entry
    }

Answer 1

使用未登记的批处理有什么结果？您确定要使用批处理语句吗？ https://medium.com/@foundev/cassandra-batch-loading-without-the-batch-keyword-40f00e35e23e

Cassandra集群具有差的插入性能和插入稳定性

1 个答案: