Cassandra读取如何与多个SSTable中的单列数据模型分区一起使用？

Question

我们在Cassandra中使用了非常简单的键值数据模型，而分区键在17个SSTable中。我想了解在我们的具体案例中阅读是如何工作的。

如果我没有正确理解，一般的Cassandra读取将需要在内存表和不同的SSTables中搜索每个列的最新版本，直到它检索所有列并将它们合并。

由于SSTable是按时间排序的，并且我们的数据模型是单列的，所以理想情况下，我们的读取操作应该只命中包含分区键的最新SSTable，因为它将包含全部数据。

我们的读取操作会命中17个SSTable吗？还是只是包含搜索到的分区键的最新版本？

Answer 1

Cassandra将搜索所有它们，因为不确定哪一列存在（DML在单元级别发生，因此，执行对帐时可能存在变体）。读取是在分区级别完成的。但是，如果Cassandra知道分区键在某些键中不存在，则可以过滤掉sstables。因此，压缩对于最佳读取很重要-删除不必要的单元格。

Answer 2

  

我们的读取操作会命中17个SSTable吗？还是只是包含搜索到的分区键的最新版本？

要补充吉姆的答案，卡桑德拉为此使用了一种称为布隆过滤器的东西。本质上，这是一个概率结构，可以告诉您以下两件事之一：

• SSTable 可能包含请求的数据。

  OR

• SSTable肯定不包含请求的数据。

这应该避免Cassandra不得不扫描所有17个SSTable。我的建议是在cqlsh中使用TRACING ON运行查询，它将告诉您需要浏览多少个SSTable。