使用 Scala / Phantom-DSL 异步读取大型 Cassandra table

Question

我在读取包含 >800k 行的 table 时遇到问题。我需要从上到下阅读行以便处理它们。

我为此目的使用 Scala 和 Phantom。

这是我的 table 样子。

CREATE TABLE raw (
    id uuid PRIMARY KEY,
    b1 text,
    b2 timestamp,
    b3 text,
    b4 text,
    b5 text
) WITH bloom_filter_fp_chance = 0.01
    AND caching = '{"keys":"ALL", "rows_per_partition":"NONE"}'
    AND comment = ''
    AND compaction = {'class': 'org.apache.cassandra.db.compaction.SizeTieredCompactionStrategy'}
    AND compression = {'sstable_compression': 'org.apache.cassandra.io.compress.LZ4Compressor'}
    AND dclocal_read_repair_chance = 0.1
    AND default_time_to_live = 0
    AND gc_grace_seconds = 864000
    AND max_index_interval = 2048
    AND memtable_flush_period_in_ms = 0
    AND min_index_interval = 128
    AND read_repair_chance = 0.0
    AND speculative_retry = '99.0PERCENTILE';

到目前为止，我已尝试使用以下方法阅读 table：

def getAllRecords : Future[Seq[row]] = select.fetch

或更花哨的 Play Enumerator 并将其与 Iteratee 组合

def getAllRecords : Enumerator = select.fetchEnumrator

这一切都不起作用，似乎 cassandra/driver/my 程序总是试图预先读取所有记录，我在这里缺少什么？

Answer 1

您是否尝试过在更大的读取测试中检查代码？

class IterateeBigReadPerformanceTest extends BigTest with ScalaFutures {

  it should "read the correct number of records found in the table" in {
    val counter: AtomicLong = new AtomicLong(0)
    val result = TestDatabase.primitivesJoda.select
      .fetchEnumerator run Iteratee.forEach {
      r => counter.incrementAndGet()
    }

    result.successful {
      query => {
        info(s"done, reading: ${counter.get}")
        counter.get() shouldEqual 2000000
      }
    }
  }
}

这不会预先读取您的记录。事实上，我们进行了超过运行一个多小时的测试，以保证足够的 GC 暂停、没有 GC 开销、permgen/metaspace 压力保持在范围内等。

如果确实有任何改变，那只是错误，但这应该仍然有效。

使用 Scala / Phantom-DSL 异步读取大型 Cassandra table

Async reading of large Cassandra table using Scala / Phantom-DSL

scala

phantom-dsl