在不同时间通过多个进程更新 Cassandra 行
Updating a Cassandra row by multiple processes in different times
我正在计划一些最终将 "fill" Cassandra 中的同一行的 ETL，即如果 table 定义为：
CREATE TABLE MyTable (
key text,
column1 text,
column2 text,
column3 text,
column4 text,
PRIMARY KEY (key)
)
很少有 ETL 会在不同时间在第 1-4 列中填写适当的值。
cassandra 处理此类操作的效果如何？我应该先读取该行，更新代码然后写回，还是一个 UPDATE 调用就可以解决问题？
我知道 Cassandra 针对写入吞吐量进行了高度优化，因为它从不修改磁盘上的数据，它只会附加到现有文件或创建新文件。知道了这一点，并且没有深入研究实现，我担心如果一个 ETL 将写入 column4，而 20 分钟后另一个 ETL 将写入 column2，与等待所有 ETL 完成相比，我将失去很多性能并且比批量保存所有数据（这本身并不是一个简单的实现）。
想法？
Cassandra中的所有inserts/updates都是Upserts，Cassandra使用last-write-wins来解决冲突。如果您的 ETL 正在更新不同的列，则不会有问题。如果他们更新同一列，则最后更新的列将获胜。如果这是一个问题，您可以添加一个时间戳列作为聚类键（允许数据的多个值），并在读取期间读取最新的一个。您还可以添加 TTL，以便清除不相关的旧值。
如果某些列已更新，而其他列未更新，则在查询时您将有效地为这些列获取空值。
我无法真正理解你的最后一段。您能解释一下您的顾虑吗？
我正在计划一些最终将 "fill" Cassandra 中的同一行的 ETL，即如果 table 定义为：
CREATE TABLE MyTable (
key text,
column1 text,
column2 text,
column3 text,
column4 text,
PRIMARY KEY (key)
)
很少有 ETL 会在不同时间在第 1-4 列中填写适当的值。
cassandra 处理此类操作的效果如何？我应该先读取该行，更新代码然后写回，还是一个 UPDATE 调用就可以解决问题？
我知道 Cassandra 针对写入吞吐量进行了高度优化，因为它从不修改磁盘上的数据，它只会附加到现有文件或创建新文件。知道了这一点，并且没有深入研究实现，我担心如果一个 ETL 将写入 column4，而 20 分钟后另一个 ETL 将写入 column2，与等待所有 ETL 完成相比，我将失去很多性能并且比批量保存所有数据（这本身并不是一个简单的实现）。
想法？
Cassandra中的所有inserts/updates都是Upserts，Cassandra使用last-write-wins来解决冲突。如果您的 ETL 正在更新不同的列，则不会有问题。如果他们更新同一列，则最后更新的列将获胜。如果这是一个问题，您可以添加一个时间戳列作为聚类键（允许数据的多个值），并在读取期间读取最新的一个。您还可以添加 TTL，以便清除不相关的旧值。
如果某些列已更新，而其他列未更新，则在查询时您将有效地为这些列获取空值。
我无法真正理解你的最后一段。您能解释一下您的顾虑吗？