优化子句查询卡桑德拉？

Question

我在 Scylladb 中有一个这样的 table。为了清楚起见，我从 table 下面删除了很多列，但总的来说，这个 table 总共有 ~25 列。

CREATE TABLE testks.client (
    client_id int,
    lmd timestamp,
    cola list<text>,
    colb list<text>,
    colc boolean,
    cold int,
    cole int,
    colf text,
    colg set<frozen<colg>>,
    colh text,
    PRIMARY KEY (client_id, lmd)
) WITH CLUSTERING ORDER BY (lmd DESC)
    AND bloom_filter_fp_chance = 0.01
    AND caching = {'keys': 'ALL', 'rows_per_partition': 'ALL'}
    AND comment = ''
    AND compaction = {'class': 'TimeWindowCompactionStrategy', 'compaction_window_size': '1', 'compaction_window_unit': 'DAYS'}
    AND compression = {'sstable_compression': 'org.apache.cassandra.io.compress.LZ4Compressor'}
    AND crc_check_chance = 1.0
    AND dclocal_read_repair_chance = 0.1
    AND default_time_to_live = 0
    AND gc_grace_seconds = 172800
    AND max_index_interval = 1024
    AND memtable_flush_period_in_ms = 0
    AND min_index_interval = 128
    AND read_repair_chance = 0.0
    AND speculative_retry = '99.0PERCENTILE';

现在我们的查询模式是这样的。我的 IN 子句中可以有超过 50 clientIds 个。

select * FROM testks.client WHERE client_id IN ? PER PARTITION LIMIT 1

几个问题：

在线阅读后，由于明显的性能原因，IN 子句似乎不好，所以有什么方法可以针对我的查询模式优化我的 table 或者 Cassandra/Scylladb 不是好的用例吗？
我们使用 C# 驱动程序执行上述查询，我们发现数据模型和查询模式存在性能问题。执行单个客户端 ID 异步是否更好，还是我应该继续使用其中的所有 clientId 进行 IN 子句查询？

我们运行 6 个节点集群都在一个 DC 中，RF 为 3。我们 read/write 作为本地仲裁。

Answer 1

当你在分区键上发出IN时，然后请求被发送到协调器节点（我不记得了，我认为在这种情况下，它可能是一个任意节点），然后是协调器节点将此 IN 分解为对各个分区的查询，对特定副本执行查询，收集数据并发送给调用者。所有这些导致协调器节点和副本之间的额外往返，以及对协调器的额外负载。

通常，更好的解决方案是对 IN 列表中的每个分区发出 N 个异步查询，并在客户端收集数据 - 当您使用准备好的语句时，驱动程序将能够使用令牌感知负载平衡，并将查询直接发送到持有给定分区的副本，因此您可以避免协调器和副本之间的额外网络往返。

Answer 2

IN 查询的问题有两个。首先是另一个答案中提到的往返问题，即协调器可能不会同时是所有请求的副本。第二个问题是过度读取：在将读取请求分派给副本时，协调器无法知道每个分区有多少数据。因此，为了确保页面将被填充，它从每个分区请求一页数据。如果每个或大多数分区都有大量数据，这将导致返回过多数据并且其中大部分被丢弃，因为它不适合页面。在下一页，大部分数据将被读取并可能再次被丢弃。

优化子句查询卡桑德拉？

optimize in clause queries cassandra?

database-design

cassandra

scylla