基于令牌范围的分区键查询的性能？

Question

我正在根据我的分区键的令牌范围从 cassandra 节点中选择所有记录。

代码如下：

public static synchronized List<Object[]> getTokenRanges(
      final Session session) {

    if (cluster == null) {
      cluster = session.getCluster();
    }

    Metadata metadata = cluster.getMetadata();

    return unwrapTokenRanges(metadata.getTokenRanges());
  }

  private static List<Object[]> unwrapTokenRanges(Set<TokenRange> wrappedRanges) {

    final int tokensSize = 2;
    List<Object[]> tokenRanges = new ArrayList<>();
    for (TokenRange tokenRange : wrappedRanges) {
      List<TokenRange> unwrappedTokenRangeList = tokenRange.unwrap();
      for (TokenRange unwrappedTokenRange : unwrappedTokenRangeList) {
        Object[] objects = new Object[tokensSize];
        objects[0] = unwrappedTokenRange.getStart().getValue();
        objects[1] = unwrappedTokenRange.getEnd().getValue();
        tokenRanges.add(objects);
      }
    }
    return tokenRanges;
  }

getTokenRanges 给了我所有节点上 vnode 的所有标记范围。

然后我使用这些令牌范围来查询 cassandra。 object[0] 持有 vnode 的开始标记和 object[1] 结束标记。

生成以下查询：

SELECT * FROM my_key_space.tablename WHERE token(id)><start token number> AND token(id)<= <end token number>;

上面的id列是分区键。

在 Cassandra 中，不建议执行范围查询，那么，这个查询是否具有性能？

据我所知，此查询将仅调用单个 partition/vnode 而不会调用多个分区，因此不应该有任何性能问题？这是正确的吗？

Cassandra 版本：3.x

Answer 1

是的，令牌范围 查询，与实际分区键上的普通范围查询相反，确实是高性能的，因为它们可以按顺序从磁盘读取（分区存储在按顺序令牌顺序磁盘）并从同一节点读取顺序数据（相邻令牌属于同一节点）。

Cassandra 提示您这种查询将执行良好，因为它不需要您使用 "ALLOW FILTERING"。如果您尝试对实际的分区键（而不是它的标记）进行范围查询，这将需要您添加一个 "ALLOW FILTERING" 以表明您知道这会导致性能不佳。

Answer 2

对令牌范围的查询是高效的，Spark 使用它们来有效地获取数据。但是你需要记住以下 - getTokenRanges 会给你所有现有的标记范围，但有一些边缘情况 - 最后一个范围将从某个正数到代表第一个范围的负数，并且作为这样，您的查询将不会执行任何操作。基本上你会错过 MIN_TOKEN 和第一个标记之间以及最后一个标记和 MAX_TOKEN 之间的数据。基于令牌的 Spark 连接器 generates different CQL statements。另外，您需要将查询路由到正确的节点 - 这可以通过 setRoutingToken.

完成

可以在 Java 代码 (full code) 中使用类似的方法：

    Metadata metadata = cluster.getMetadata();
    Metadata metadata = cluster.getMetadata();
    List<TokenRange> ranges = new ArrayList(metadata.getTokenRanges());
    Collections.sort(ranges);
    System.out.println("Processing " + (ranges.size()+1) + " token ranges...");

    Token minToken = ranges.get(0).getStart();
    String baseQuery = "SELECT id, col1 FROM test.range_scan WHERE ";
    Map<String, Token> queries = new HashMap<>();
    // generate queries for every range
    for (int i = 0; i < ranges.size(); i++) {
        TokenRange range = ranges.get(i);
        Token rangeStart = range.getStart();
        Token rangeEnd = range.getEnd();
        if (i == 0) {
            queries.put(baseQuery + "token(id) <= " + minToken, minToken);
            queries.put(baseQuery + "token(id) > " + rangeStart + " AND token(id) <= " + rangeEnd, rangeEnd);
        } else if (rangeEnd.equals(minToken)) {
            queries.put(baseQuery + "token(id) > " + rangeStart, rangeEnd);
        } else {
            queries.put(baseQuery + "token(id) > " + rangeStart + " AND token(id) <= " + rangeEnd, rangeEnd);
        }
    }

    // Note: It could be speedup by using async queries, but for illustration it's ok
    long rowCount = 0;
    for (Map.Entry<String, Token> entry: queries.entrySet()) {
        SimpleStatement statement = new SimpleStatement(entry.getKey());
        statement.setRoutingToken(entry.getValue());
        ResultSet rs = session.execute(statement);
        // .... process data
   }

基于令牌范围的分区键查询的性能？

Performance of token range based queries on partition keys?

cassandra

datastax-enterprise

cassandra-3.0