如何评估Cassandra的性能？

Question

我是Cassandra的新人。我已经研究并对Cassandra数据库进行了一些测试，我得到了一些问题：

1. 鉴于Cassandra鼓励非规范化和数据重复，当多个列族中存在的数据仅从一个列族更新时，如何保证数据的一致性？

2. 表中的列数会影响查询效果吗？

3. 确实，查询返回的记录数越多，其性能就越差？

4. 在Cassandra中使用mapreduce有什么用处？

Answer 1

  

鉴于Cassandra鼓励非正规化和重复   数据，当多列系列中存在的数据为
时   仅从其中一个列族更新数据一致性   保证？

这就是Cassandra引入BATCH的原因。即使使用BATCH，您仍然处于分布式系统中，并且在建模数据时需要这样思考。既然你没有具体的问题，我们会在理论上继续谈论。

  

表中的列数会影响查询性能吗？

不是列数，而是每个单独分区的大小。分区越大，Cassandra的一些内部机制（如压缩）就越难以工作。如果您不熟悉数据存储在磁盘上的方式，我建议您查看THIS教程。

  

查询返回的记录数越大越好，   它的表现更差？

这是物理学。更多数据=更多IO，带宽，GC用于收集ETC的对象。鉴于Cassandra是作为事务数据存储构建的，它不是为非常大的数据返回/全表扫描构建的（很少有真正的分布式系统）。上面链接的教程很好地解释了。

  

在Cassandra中使用mapreduce有什么用处？

如果您对在Cassandra上运行分析感兴趣，我建议使用Spark，因为在商业和开源级别上已经有很多工作要优化Spark和Cassandra的关系。当您对Cassandra的工作原理感到满意时，如果您对在Cassandra上进行任何类型的分析感兴趣，我建议您查看THIS教程。它讨论商业产品，但概念/教程也适用于开源。

Answer 2

1. 如果你的意思是如何支持Cassandra中非规范化数据的一致性，答案 - 只使用自定义逻辑。但是一旦Cassandra不支持事务（关系数据库中的事务意义，而不是原子操作），这是一项相当困难的任务。实际上，如果您需要相关数据处于强一致状态，则应使用关系数据库。
2. 它在某种程度上确实存在，但没有那么多考虑它。
3. 这可能取决于查询本身，但通常情况下性能会下降，因为您需要通过网络传输更多数据。
4. 例如，当您想要进行全表扫描时，使用MapReduce和Cassandra可能很有用。它与查询未索引字段时关系数据库的作用非常相似。他们进行全扫描比较字段值。但是，MapReduce逻辑可能更复杂。例如，用于分析目的。