2

我读过一些关于 cassandra 的文章和原始论文。现在我对内存表感到困惑：

  1. 有些文章说memtable中的行是按行键排序的，但有些文章说它就像一个哈希表，对吗？

  2. 关于分区器：由于cassandra中基本上有两个分区器：RandomPartitioner和ByteOrderedPartitioner，memtable中的行顺序与我选择的分区器有关吗？（例如，如果我选择 RP，那么行会像哈希表一样存储，如果我选择 BOP，那么行是按键排序的吗？）

  3. 如果行是按键排序的，memtable 如何处理插入？（插入会导致行移动吗？）

  4. cassandra隐式维护的主索引（行键索引）有什么关系吗？

4

1 回答 1

0

以后，请尽量将自己限制在每个问题一个问题上。几乎所有这些都可以作为一个问题独立存在。

  1. 有些文章说memtable中的行是按行键排序的，但有些文章说它就像一个哈希表，对吗？

Cassandra 将其数据存储在（Strickland，2014）“分布式哈希表数据结构”中。这允许数据在集群中均匀地存储和分布，但仍然可以快速查询。行键（又名分区键）的值使用称为Consitent Hashing的过程进行散列。然后将数据存储在集群中，无论哪个节点负责包含密钥散列值的令牌范围。当您在不指定子句的情况下运行 CQL 查询时，您可以通过使用该函数WHERE看到结果集的顺序受散列行键值的影响。token()

> SELECT userid, token(userid), posttime FROM postsbyuser;

 userid | token(userid)        | posttime 
--------+----------------------+-------------------------- 
      1 | -4069959284402364209 | 2015-01-25 13:25:00-0600 
      1 | -4069959284402364209 | 2015-01-25 13:22:00-0600 
      0 | -3485513579396041028 | 2015-01-25 13:21:00-0600 
      2 | -3248873570005575792 | 2015-01-25 13:28:00-0600 
      2 | -3248873570005575792 | 2015-01-25 13:27:00-0600 
      2 | -3248873570005575792 | 2015-01-25 13:26:00-0600
  1. 关于分区器：由于cassandra中基本上有两个分区器：RandomPartitioner和ByteOrderedPartitioner，memtable中的行顺序与我选择的分区器有关吗？（例如，如果我选择 RP，那么行会像哈希表一样存储，如果我选择 BOP，那么行是按键排序的吗？）

最终，是的，Random partitioner 和 Byte Ordered partitioner 将以不同的方式在环上分布数据。实际上，您缺少默认的分区器，即 Murmur3Partitioner。Murmur3 分区器与 Random 分区器具有相同的目标，即确保数据分布均匀。在一个新的集群中，你应该使用 Murmur3 分区器，这里已经回答了两者的区别：哪个是更好的分区器。cassandra中的随机或Murmur3在吞吐量方面有什么区别？

出于向后兼容性的原因，BOP 仍然包含在内，并且真的不应该再使用了。还详细讨论了应避免 BOP 的原因：Cassandra ByteOrderedPartitioner

  1. 如果行是按键排序的，memtable 如何处理插入？（插入会导致行移动吗？）

摘自 DataStax 文档The Write Path of an Update很好地解释了这一点。并且不要介意标题...插入和更新与 Cassandra 基本相同。

更新使用顺序 I/O 流式传输到磁盘并存储在新的 SSTable 中。在更新期间，Cassandra 使用写入路径标记列并将列写入磁盘。在更新过程中，如果 memtable 中存在多个版本的列，Cassandra 仅将较新版本的列刷新到磁盘

文档The Write Path to Compaction的最后一段摘录回答了这个问题的最后一部分：

为了刷新数据，Cassandra 按令牌对内存表进行排序，然后按顺序将数据写入磁盘。

  1. cassandra隐式维护的主索引（行键索引）有什么关系吗？

如果我理解这个问题，这个 Cassandra 1.1 文档（关于 Cassandra 中的索引）可能有点过时，但通过比较它的 RDBMS 对应物来解释这一点：

在 Cassandra 中，列族的主索引是其行键的索引。每个节点都为其管理的数据维护此索引。

行由集群配置的分区器和键空间配置的副本放置策略分配给节点。Cassandra 中的主索引允许通过行键查找行。由于每个节点都知道每个节点管理的键范围，因此可以通过仅扫描相关副本上的行索引来有效地定位请求的行。

希望这能回答你的问题。

参考：

斯特里克兰河 (2014)。 卡桑德拉高可用性。Packt Publishing Ltd. 英国伯明翰。（第 19-24 页）。

于 2015-02-18T01:36:28.223 回答