Cassandra在单个节点上查询多个分区

Question

我们的表数据少于50GB，我们正在努力为我们的Cassandra数据库提供合理的设计。由于数据太少，我们考虑在每个节点上拥有所有数据（2个节点集群，复制因子为2）。

我们希望使用Cassandra轻松复制 - 防止故障转移，在世界不同地区拥有数据副本，而Cassandra则非常出色。

此外，我们目前提出的最佳模型意味着单个查询（一致性级别1-2）将涉及从多个分区获取数据（avg = 2，90％= 20）。大多数查询会要求来自＆lt; = 2个分区的数据，但有些可能会达到5k。

所以我的问题是它是否真的有问题？如果我们确保所有分区都在单个节点上，Cassandra是否很难从多个分区中检索数据？

Answer 1

编辑：

误读了我对其他人稍后来到这里的道歉。请查看TokenAwarePolicy的代码作为确定副本所有者的基础，一旦完成，您可以将查询与IN查询组合以从单个节点获取多个分区。请注意总查询大小。

原文供参考：

不要在单个查询中从多个分区获取数据，原因的详细信息为here

TLDR最好不要从需要协调员完成这项工作的多个不同分区异步查询。

1. 如果你失败了，你需要更多的重试（当你在该查询中有一个或两个非常大的分区时，这尤其难看）
2. 您正在等待最慢的查询以回复任何回复，当您可以返回部分答案时（或者甚至包括基于正在完成的部分的进度表）。

Answer 2

我在我的机器上进行了一些测试，结果与Ryan Svihla在另一个答案中提出的结果相矛盾。

TL; DR 在多个分区中存储相同数据并通过IN运算符检索远比将数据存储在单个分区中并一次性检索它要慢。请注意，所有操作都在单个Cassandra节点上（因为对于分布式Cassandra集群，结论应该是显而易见的）

案例A 将X行插入下面定义的表的单个分区中。通过SELECT指定WHERE中的分区键来检索所有这些内容。

案例B 将X行各插入下面定义的表的单独分区中。通过使用SELECT指定多个分区键的WHERE pKey IN (...)检索所有这些。

表格定义

pKey: Text PARTITION KEY
cColumn: Int CLUSTERING KEY
sParam: DateTime STATIC
param: Text (size of each was 500 B in tests)

<强>结果

使用Phantom驱动程序

1. X = 100 A - 10ms B - 150ms r = 15
2. X = 1000 A - 20ms B - 1400ms r = 70
3. X = 10000 A - 100ms B - 14000ms r = 140

使用DevCenter（一次检索限制为1000行）

1. X = 100 A - 20ms B - 900ms r = 45
2. X = 1000 A - 30ms B - 1300ms r = 43

技术细节：

• Phantom驱动程序v 2.13.0
• Cassandra 3.0.9
• Windows 10
• DevCenter 1.6