可以选择计数（*）影响在Cassandra中写入

Question

我经历过这样一种场景，即每分钟在桌面上选择一个计数（*）（是的，这绝对应该避免）导致Cassandra写入每秒大约150K写入量的大幅增加。

任何人都可以解释这种奇怪的行为吗？为什么Select查询会显着增加Cassandra的写入次数？

谢谢！

Answer 1

如果你检查

org.apache.cassandra.metrics:type=ReadRepair,name=RepairedBackground

和

org.apache.cassandra.metrics:type=ReadRepair,name=RepairedBlocking

如果其读取修复发送突变，您可以看到

指标。如果您的数据不一致，读取计数（*）的所有数据可能会导致大量读取修复。如果是这种情况，降低表read_repair_chance上的dclocal_read_repair_chance和ALTER TABLE可以减少负载。

其他可能的可能性是：

• 您已启用跟踪（全局或在桌面上）为％。
• 或者如果您使用DSE并且启用了慢查询。

Answer 2

可以在the write path of an update中找到可能的解释：

  

在写入期间，Cassandra会将每个新行添加到数据库，而不检查是否存在重复记录。此策略使数据库中可能存在同一行的许多版本。

然后

  

大多数Cassandra安装在两个或多个节点上存储每行的副本。每个节点独立执行压缩。这意味着即使从一个节点删除了一行的过时版本，它们仍可能存在于另一个节点上。

最后：

  

这就是Cassandra在阅读过程中进行另一轮比较的原因。当客户端使用特定主键请求数据时，Cassandra会从一个或多个副本中检索该行的多个版本。