我们有下表,ttl
24 小时或 1 天。我们有 4 个cassandra 3.0 node cluster
,此表将有一个spark
处理。处理后,它将截断表中的所有数据,并插入新一批数据。这将是一个持续的过程。
我看到的问题是,我们越来越tombstones
,因为数据在spark
完成处理后每天都会被频繁截断。
如果我将gc_grace_seconds
设置为默认值,则会有更多的tombstones
。如果我将gc_grace_seconds
减少到 1 天会成为问题吗?即使我每天都在那张桌子上修理,这也足够了。
我应该如何处理这个问题,我知道频繁删除是Cassandra
中的反模式,还有其他方法可以解决这个问题吗?
TABLE b.stag (
xxxid bigint PRIMARY KEY,
xxxx smallint,
xx smallint,
xxr int,
xxx text,
xxx smallint,
exxxxx smallint,
xxxxxx tinyint,
xxxx text,
xxxx int,
xxxx text,
xxxxx text,
xxxxx timestamp
) WITH bloom_filter_fp_chance = 0.01
AND caching = {'keys': 'ALL', 'rows_per_partition': 'NONE'}
AND comment = ''
AND compaction = {'class': 'org.apache.cassandra.db.compaction.SizeTieredCom pactionStrategy', 'max_threshold': '32', 'min_threshold': '4'}
AND compression = {'chunk_length_in_kb': '64', 'class': 'org.apache.cassandr a.io.compress.LZ4Compressor'}
AND crc_check_chance = 1.0
AND dclocal_read_repair_chance = 0.1
AND default_time_to_live = 86400
AND gc_grace_seconds = 864000
AND max_index_interval = 2048
AND memtable_flush_period_in_ms = 0
AND min_index_interval = 128
AND read_repair_chance = 0.0
AND speculative_retry = '99PERCENTILE';
谢谢
表的截断不应调用逻辑删除。所以当你说"截断"时,我假设你的意思是删除。正如您已经提到的,您可以删除gc_grace_seconds
值,但是这意味着您有一个较小的窗口来运行修复以协调任何数据,确保每个节点都有给定键的正确逻辑删除等,否则旧数据可能会重新出现。这是一种权衡。
但是,为了公平起见,如果您每次都清理表,为什么不使用TRUNCATE命令,这样您就可以在没有逻辑删除的情况下刷新表。