Question

我有一个CQL表（cql 3，cassandra 2.0。*），它看起来像：

CREATE TABLE IF NOT EXISTS user_things (
   user_id bigint,
   thing_id bigint,
   created_at timeuuid,
  PRIMARY KEY (user_id, thing_id)
);

我想做一个像

这样的插入

INSERT INTO user_things (user_id, thing_id, created_at) VALUES (?, ?, now())

但仅限于该行不存在。

我可以在两个同步语句中执行此操作（首先是SELECT，如果SELECT没有返回一行，则返回INSERT）或者我可以使用INSERT ... IF NOT EXISTS。

CQL docs州“但请注意，使用IF NOT EXISTS将产生不可忽略的性能成本（内部使用Paxos），因此应谨慎使用。”

我想知道是否有人做过基准测试，看看如果我们有很多这样的操作发生了什么更有效率？（比如数百秒）

Answer 1

这在很大程度上取决于您使用的拓扑结构。如果将其限制为本地数据中心（使用LOCAL_SERIAL）并使用较小的复制因子，则IF NOT EXISTS非常快。如果您尝试在多个数据中心或更高的复制因子中使用它，那么它会显着减慢。有一个开放的ticket来提高它的性能，所以希望很快就能完成，因为它目前是一个过于昂贵的操作，有很多往返。

另一个会降低IF NOT EXISTS的因素是在群集行上使用它时。当您的表只有复合分区键而没有聚类列时，它似乎工作得最快。

如果您在写入路线之前阅读，那么您还有其他问题需要处理。首先你会有一个竞争条件，因为如果两个客户在同一时间读取，然后两个都决定写一个，你会得到一个覆盖另一个，这种方式使得读取毫无意义（请参阅此处的另一种方法）：collision detection。如果你不注意竞争条件，并使用像ONE这样的低一致性来进行读写，那么它可能会胜过IF NOT EXISTS。

你必须为你的系统和架构对它进行基准测试，看看哪种情况在你的情况下更快。

Answer 2

虽然我自己还没有完成基准测试，但我认为这两个同步语句的运行速度会更快，因为它只是做得不那么多。它正在执行两个设计良好的CQL查询，而另一个方法涉及节点之间至少4个通信“阶段”。

但是如果你确实使用这个方法，你是否能够保证这些查询是以原子方式执行的，并且在运行SELECT和运行INSERT之间的时间内不存在具有相同user_id和thing_id的INSERT？避免这种情况的需要是在Cassandra和Paxos中使用轻量级事务的驱动因素。

同步SELECT + INSERT与INSERT之间的性能差异...如果不是CQL中的EXISTS？

2 个答案: