从Cassandra文档的两个不同链接中，我发现：
存储在内存中的结构，用于在访问磁盘上的SSTable之前检查memtable中是否存在行数据
和
Cassandra检查Bloom过滤器以发现哪些SSTable可能具有请求分区数据。
我的问题是上述陈述是否正确？如果是，是否为Memtable和SSTable分别维护了bloom过滤器？提前谢谢。
答案 0 :(得分：19)
Bloom filter是一种通用数据结构，用于检查元素是否存在于集合中。它的算法设计得非常快，代价是有可能返回误报。
Cassandra使用bloom过滤器来测试是否有任何SSTable可能包含所请求的分区键，没有实际上必须读取其内容（因此避免了昂贵的IO操作）。
如果布隆过滤器为给定的分区键返回false，则绝对可以确定分区键不存在于相应的SSTable中;但是，如果它返回true，则SSTable 可能包含分区键。当发生这种情况时，Cassandra将采用更复杂的技术来确定是否需要读取SSTable。请注意，大多数读取都会查看bloom过滤器，并且仅在某些写入期间（将memtable刷新到磁盘时）进行更新。您可以阅读有关Cassandra的阅读路径here的更多信息。
回到你的问题：
1）第一个语句（＆＃34;存储在内存中的结构，用于检查在访问磁盘上的SSTables之前是否存在于memtable中的行数据＆＃34;）是恕我直言不准确：当memtable是memtable时，确实更新了bloom过滤器刷新到磁盘，但他们没有引用memtable。
2）每个SSTable维护Bloom过滤器，即磁盘上的每个SSTable都在内存中获得相应的bloom过滤器。
答案 1 :(得分：0)
在读取路径中，Cassandra将磁盘上的数据（在SSTables中）与RAM中的数据（在memtables中）合并。为避免检查所请求分区的每个SSTable数据文件，Cassandra采用称为布隆过滤器的数据结构。
布隆过滤器是一种概率数据结构，允许Cassandra确定两种可能状态之一： - 数据肯定不存在于给定文件中，或者 - 数据可能存在于给定文件中。
虽然布隆过滤器无法保证给定SSTable中存在数据，但通过允许布隆过滤器消耗更多RAM，可以使布隆过滤器更加准确。运算符有机会通过将bloom_filter_fp_chance调整为0到1之间的浮点数来调整每个表的这种行为。
对于使用LeveledCompactionStrategy的表，bloom_filter_fp_chance的默认值为0.1，对于所有其他情况，则为0.01。
布隆过滤器存储在RAM中，但是存储在远程，因此操作员在选择最大堆大小时不应考虑布隆过滤器。随着准确度的提高（当bloom_filter_fp_chance接近0时），内存使用量会非线性增加 - bloom_filter_fp_chance = 0.01的bloom过滤器需要的内存大约是bloom_filter_fp_chance = 0.1的同一个表的三倍。
bloom_filter_fp_chance的典型值通常介于0.01（1％）到0.1（10％）误差的情况下，其中Cassandra可能会扫描SSTable一行，但却发现它不存在于磁盘上。该参数应根据用例进行调整：
具有更多RAM和更慢磁盘的用户可能会受益于设置 bloom_filter_fp_chance为数字较低的数字（例如0.01） 避免过多的IO操作。
RAM较少，节点较密集或磁盘速度非常快的用户可以 容忍更高的bloom_filter_fp_chance以节省RAM 超额IO操作的费用
在很少读取或仅执行读取的工作负载中 扫描整个数据集（例如分析工作负载），设置 可以接受更高数字的bloom_filter_fp_chance。