优化子句查询卡桑德拉?

Question

我在Scylladb中有这样的表格。为了清楚起见，我已经从下表中删除了很多列，但总的来说，该表总共有 ~25 列。

CREATE TABLE testks.client (
client_id int,
lmd timestamp,
cola list<text>,
colb list<text>,
colc boolean,
cold int,
cole int,
colf text,
colg set<frozen<colg>>,
colh text,
PRIMARY KEY (client_id, lmd)
) WITH CLUSTERING ORDER BY (lmd DESC)
AND bloom_filter_fp_chance = 0.01
AND caching = {'keys': 'ALL', 'rows_per_partition': 'ALL'}
AND comment = ''
AND compaction = {'class': 'TimeWindowCompactionStrategy', 'compaction_window_size': '1', 'compaction_window_unit': 'DAYS'}
AND compression = {'sstable_compression': 'org.apache.cassandra.io.compress.LZ4Compressor'}
AND crc_check_chance = 1.0
AND dclocal_read_repair_chance = 0.1
AND default_time_to_live = 0
AND gc_grace_seconds = 172800
AND max_index_interval = 1024
AND memtable_flush_period_in_ms = 0
AND min_index_interval = 128
AND read_repair_chance = 0.0
AND speculative_retry = '99.0PERCENTILE';

现在我们的查询模式是这样的。我可以在我的IN条款中加入50 clientIds以上。

select * FROM testks.client WHERE client_id IN ? PER PARTITION LIMIT 1

几个问题：

• 在线阅读后，由于明显的性能原因，看起来IN子句不好，所以有没有办法针对我的查询模式优化我的表，或者 Cassandra/Scylladb 不是很好的用例？
• 我们使用 C# 驱动程序来执行上述查询，我们看到数据模型和查询模式存在性能问题。是执行单个客户端 ID 异步更好，还是我应该继续使用所有 clientId 进行IN子句查询？

我们在一个 DC 中运行 6 个节点群集，RF 为 3。我们以本地仲裁的形式读取/写入。

Answer 1

当您在分区键上发出IN时，请求被发送到协调器节点(我不记得了，我认为在这种情况下，它可能是一个任意节点(，然后协调器节点将此IN分解为对单个分区的查询，对特定副本执行查询，收集数据并发送给调用方。所有这些都会导致协调器节点和副本之间的额外往返，以及协调器的额外负载。

通常，更好的解决方案是为IN列表中的每个分区发出 N 个异步查询，并在客户端收集数据 - 当您使用预准备语句时，驱动程序将能够使用令牌感知负载均衡，并将查询直接发送到持有给定分区的副本，因此您可以避免协调器和副本之间的额外网络往返。

Answer 2

IN 查询的问题有两个。首先是另一个答案中提到的往返问题，即协调器可能不会也是所有请求的副本。第二个问题是过度读取：将读取请求分派到副本时，协调器无法知道每个分区有多少数据。因此，为了确保页面将被填充，它从每个分区请求一页数据。如果每个或大多数分区都包含大量数据，这将导致返回太多数据，并且其中大部分数据被丢弃，因为它不适合页面。在下一页上，大部分数据将被读取并可能再次丢弃。