Question

我正在做一个涉及构建和查询Cassandra数据集群的学生项目。

当我的群集负载很轻（大约30GB）时，我的查询运行没有问题，但现在它的数量要大得多（1 / 2TB）我的查询超时。

我认为可能会出现此问题，因此在开始生成和加载测试数据之前，我已在cassandra.yaml文件中更改了此值：

request_timeout_in_ms （默认值：10000）其他杂项操作的默认超时。

但是，当我将该值更改为1000000时，cassandra似乎在启动时挂起 - 但这可能只是工作中的大超时。

我的数据生成目标是2TB。如何查询大量空间而不会遇到超时？

查询：

SELECT  huntpilotdn 
FROM    project.t1 
WHERE   (currentroutingreason, orignodeid, origspan,  
        origvideocap_bandwidth, datetimeorigination)
        > (1,1,1,1,1)
AND      (currentroutingreason, orignodeid, origspan,    
         origvideocap_bandwidth, datetimeorigination)
         < (1000,1000,1000,1000,1000)
LIMIT 10000
ALLOW FILTERING;

SELECT  destcause_location, destipaddr
FROM    project.t2
WHERE   datetimeorigination = 110
AND     num >= 11612484378506
AND     num <= 45880092667983
LIMIT 10000;


SELECT  origdevicename, duration
FROM    project.t3
WHERE   destdevicename IN ('a','f', 'g')
LIMIT 10000
ALLOW FILTERING;

我有一个具有相同模式的演示密钥空间，但数据大小要小得多（~10GB），并且这些查询在该密钥空间中运行得很好。

所有这些查询的表都有数百万行，每行约30列。

Answer 1

如果您使用的是数据共享cqlsh，则可以将客户端超时秒指定为命令行参数。默认值为10。

$ cqlsh --request-timeout=3600

Datastax Documentation

Answer 2

要在Apache Cassandra中更改客户端超时限制，有两种方法：

技术1：这是一项很好的技巧：

1. Navigate to the following hidden directory under the home folder: (Create the hidden directory if not available)

    $ pwd
    ~/.cassandra


2. Modify the file cqlshrc in it to an appropriate time in seconds: (Create the file if not available)

    Original Setting:

        $ more cqlshrc
        [connection]
        client_timeout = 10
        # Can also be set to None to disable:
        # client_timeout = None
        $

    New Setting:

        $ vi cqlshrc
        $ more cqlshrc
        [connection]
        client_timeout = 3600
        # Can also be set to None to disable:
        # client_timeout = None
        $

    Note: Here time is in seconds. Since, we wanted to increase the timeout to one hour. Hence, we have set it to 3600 seconds.

技术2：这不是一个好技术，因为您正在更改客户端程序（cqlsh）本身的设置。注意：如果您已使用技术1进行了更改 - 那么它将覆盖使用技术2指定的时间。因为，配置文件设置具有最高优先级。

1. Navigate to the path where cqlsh program is located. This you can find using the which command:

    $ which cqlsh
    /opt/apache-cassandra-2.1.9/bin/cqlsh
    $ pwd
    /opt/apache-cassandra-2.1.9/bin
    $ ls -lrt cqlsh
    -rwxr-xr-x 1 abc abc 93002 Nov  5 12:54 cqlsh


2. Open the program cqlsh and modify the time specified using the client_timeout variable. Note that time is specified in seconds.
$ vi cqlsh

In __init__ function:
    def __init__(self, hostname, port, color=False,
                 username=None, password=None, encoding=None, stdin=None, tty=True,
                 completekey=DEFAULT_COMPLETEKEY, use_conn=None,
                 cqlver=DEFAULT_CQLVER, keyspace=None,
                 tracing_enabled=False, expand_enabled=False,
                 display_time_format=DEFAULT_TIME_FORMAT,
                 display_float_precision=DEFAULT_FLOAT_PRECISION,
                 max_trace_wait=DEFAULT_MAX_TRACE_WAIT,
                 ssl=False,
                 single_statement=None,
                 client_timeout=10,
                 connect_timeout=DEFAULT_CONNECT_TIMEOUT_SECONDS):

In options.client_timeout setting:
    options.client_timeout = option_with_default(configs.get, 'connection', 'client_timeout', '10')

You can modify at both these places. The second line picks up client_timeout information from the cqlshrc file.

Answer 3

我猜你也在使用二级索引。您正在发现为什么不建议使用二级索引查询和允许过滤查询...因为这些类型的设计模式不适用于大型数据集。使用支持主键查找的查询表重建模型，因为这就是Cassandra的工作方式。

修改

＆＃34;受约束的变量是群集密钥。＆＃34;

正确...这意味着它们不是分区键。在不限制分区键的情况下，您基本上扫描整个表，因为群集密钥仅在其分区键中有效（群集数据）。

Answer 4

使用-request-timeout （以秒为单位）作为cqlsh的CLI参数，如下所示：

$ cqlsh --request-timeout=3600

Answer 5

增加cassandra.yaml文件中的read_request_timeout_in_sec
修改cqlsh.py程序并更改变量值，而不是在函数中进行更改。 DEFAULT_REQUEST_TIMEOUT_SECONDS = 100 DEFAULT_CONNECT_TIMEOUT_SECONDS = 100

可以肯定

Cassandra超时cqlsh查询大（ish）数据量

5 个答案: