Cassandra 如何读取多个 SSTable 中的单列数据模型分区？答案

【问题标题】：How Cassandra read works with single column datamodel partition in multiple SSTables?Cassandra 如何读取多个 SSTable 中的单列数据模型分区？
【发布时间】：2020-01-23 13:06:40
【问题描述】：

我们在 Cassandra 中使用了一个非常简单的键值对数据模型，我们的分区键在 17 个 SSTable 中。我想了解 read 在我们的具体案例中是如何工作的。

如果我理解正确，一般 Cassandra 读取将需要在 memtable 和不同的 SSTable 中搜索每一列的最新版本，直到它检索到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，因此理想情况下，我们的读取操作应该只命中包含我们的分区键的最新 SSTable，因为这将包含整个数据。

我们的读取操作会达到 17 个 SSTables 吗？还是只是包含搜索到的分区键的最新分区键？

【问题讨论】：

嗨，我不确定您使用的是哪个版本的 cassandra，但这是 Tyler Hobbs 在read path internals 上的精彩演讲

标签： cassandra

【解决方案1】：

Cassandra 将搜索所有这些列，因为它不确定哪些列存在于何处（DML 发生在单元级别，因此，执行协调的地方可能存在变体）。读取在分区级别完成。但是，如果 Cassandra 知道某些分区键不存在，它可以过滤掉 sstables。这就是为什么压缩对于最佳读取很重要 - 以删除不必要的单元格。

【讨论】：

谢谢，如果我们在查询中指定列名呢？我的意思是，它不应该只检索该列的最后更新吗？
Cassandra 没有该信息。它只知道分区键是 X 并且它存在于 Y sstables 中。扫描它们，协调和响应。可以做一个简单的测试：insert into table，flush table，将同一行插入同一张表，flush table，然后查询表。你会看到它扫描并合并了 2 个 sstables。扫描分区以查找包含它们的 sstable。

【解决方案2】：

我们的读取操作会达到 17 个 SSTables 吗？还是只是包含搜索到的分区键的最新分区键？

为了补充 Jim 的答案，Cassandra 对此有一个称为布隆过滤器的东西。从本质上讲，它是一种概率结构，可以告诉您以下两件事之一：

SSTable 可能包含请求的数据。

或
SSTable 肯定不包含请求的数据。

这应该可以防止 Cassandra 扫描所有 17 个 SSTable。我的建议是在 cqlsh 中使用TRACING ON 运行查询，它会告诉您需要查看多少个 SSTable。

【讨论】：