Cassandra 在单个节点上查询多个分区
Cassandra querying multiple partitions on a single node
table 我们只有不到 50GB 的数据，我们正在努力为我们的 Cassandra 数据库提出一个合理的设计。由于数据如此之少，我们正在考虑将所有数据都放在每个节点上（2 节点集群，开始时复制因子为 2）。
我们想使用 Cassandra 来轻松复制 - 防止故障转移，在世界不同地方拥有数据副本，而 Cassandra 在这方面非常出色。
此外，我们目前提出的最佳模型意味着单个查询（一致性级别 1-2）将涉及从多个分区（avg=2，90th %=20）获取数据。大多数查询会要求来自 <= 2 个分区的数据，但有些可能会达到 5k。
所以我的问题是这是否真的是一个问题？如果我们确保所有分区都在单个节点上，Cassandra 从多个分区检索数据是否很慢？
编辑：
误读问题我为后来来到这里的其他人道歉。请查看 TokenAwarePolicy 的代码作为确定副本所有者的基础，一旦您拥有它，您就可以将您的查询与 IN 查询结合起来以从单个节点获取多个分区。仍然要注意总查询大小。
原文供参考：
不要在单个查询中从多个分区获取数据，原因的详细信息是 here
TLDR 你最好从多个需要协调器完成这项工作的不同分区异步查询。
- 如果失败，则需要更多重试（当查询中有一个或两个非常大的分区时，这尤其难看）
- 您正在等待任何回复的最慢查询，这时您可能会返回部分答案（甚至包括基于已完成部分的进度表）。
我在我的机器上做了一些测试，结果与 Ryan Svihla 在另一个答案中提出的建议相矛盾。
TL;DR 在多个分区中存储相同数据并通过 IN 运算符检索比在单个分区中存储数据慢 多 并一次性检索它。请注意，所有操作都在单个 Cassandra 节点上进行（因为对于分布式 Cassandra 集群而言，结论应该更加明显）
案例A
将 X 行插入到下面定义的 table 的单个分区中。通过 SELECT 在 WHERE.
中指定分区键来检索所有这些
案例 B
分别将 X 行插入到下面定义的 table 的单独分区中。通过使用 WHERE pKey IN (...).
指定多个分区键，通过 SELECT 检索所有这些
Table定义
pKey: Text PARTITION KEY
cColumn: Int CLUSTERING KEY
sParam: DateTime STATIC
param: Text (size of each was 500 B in tests)
结果
使用 Phantom 驱动程序
X = 100
A - 10ms
B - 150ms
r = 15X = 1000
A - 20ms
B - 1400ms
r = 70X = 10000
A - 100ms
B - 14000ms
r = 140
使用 DevCenter（一次检索 1000 行的限制）
X = 100
A - 20ms
B - 900ms
r = 45X = 1000
A - 30ms
B - 1300ms
r = 43
技术细节：
- 幻影驱动 v
2.13.0
- 卡桑德拉
3.0.9
- Windows
10
- 开发中心
1.6
table 我们只有不到 50GB 的数据，我们正在努力为我们的 Cassandra 数据库提出一个合理的设计。由于数据如此之少，我们正在考虑将所有数据都放在每个节点上（2 节点集群，开始时复制因子为 2）。
我们想使用 Cassandra 来轻松复制 - 防止故障转移，在世界不同地方拥有数据副本，而 Cassandra 在这方面非常出色。
此外，我们目前提出的最佳模型意味着单个查询（一致性级别 1-2）将涉及从多个分区（avg=2，90th %=20）获取数据。大多数查询会要求来自 <= 2 个分区的数据，但有些可能会达到 5k。
所以我的问题是这是否真的是一个问题？如果我们确保所有分区都在单个节点上，Cassandra 从多个分区检索数据是否很慢？
编辑：
误读问题我为后来来到这里的其他人道歉。请查看 TokenAwarePolicy 的代码作为确定副本所有者的基础，一旦您拥有它，您就可以将您的查询与 IN 查询结合起来以从单个节点获取多个分区。仍然要注意总查询大小。
原文供参考：
不要在单个查询中从多个分区获取数据，原因的详细信息是 here
TLDR 你最好从多个需要协调器完成这项工作的不同分区异步查询。
- 如果失败，则需要更多重试（当查询中有一个或两个非常大的分区时，这尤其难看）
- 您正在等待任何回复的最慢查询，这时您可能会返回部分答案（甚至包括基于已完成部分的进度表）。
我在我的机器上做了一些测试，结果与 Ryan Svihla 在另一个答案中提出的建议相矛盾。
TL;DR 在多个分区中存储相同数据并通过 IN 运算符检索比在单个分区中存储数据慢 多 并一次性检索它。请注意，所有操作都在单个 Cassandra 节点上进行（因为对于分布式 Cassandra 集群而言，结论应该更加明显）
案例A
将 X 行插入到下面定义的 table 的单个分区中。通过 SELECT 在 WHERE.
案例 B
分别将 X 行插入到下面定义的 table 的单独分区中。通过使用 WHERE pKey IN (...).
SELECT 检索所有这些
Table定义
pKey: Text PARTITION KEY
cColumn: Int CLUSTERING KEY
sParam: DateTime STATIC
param: Text (size of each was 500 B in tests)
结果
使用 Phantom 驱动程序
X = 100 A - 10ms B - 150ms r = 15X = 1000 A - 20ms B - 1400ms r = 70X = 10000 A - 100ms B - 14000ms r = 140
使用 DevCenter（一次检索 1000 行的限制）
X = 100 A - 20ms B - 900ms r = 45X = 1000 A - 30ms B - 1300ms r = 43
技术细节：
- 幻影驱动 v
2.13.0 - 卡桑德拉
3.0.9 - Windows
10 - 开发中心
1.6