Cassandra java查询性能count(*)或all().size()

Question

我想知道，与java结合使用apache cassandra哪个更快。我有以下选项来获得我的结果:

Statement s = QueryBuilder.select().from("table").where(QueryBuilder.eq("source",source);
ResultSet resultSet = session.execute(s);
if (resultSet.all().size() == 0) {
  //Do Something
}

第二个选项是:

ResultSet rs = session.execute("SELECT COUNT(*) as coun FROM table WHERE source = '"+source+"'");
Row r = rs.one();
if (r.getLong("count") == 0) {
  //Do Something
}

在每个查询中，最大计数为1。现在我的问题是，一般来说，哪种方式更快。

Answer 1

我在多个表上测试了几个查询，使用count(*)的版本比使用resultSet.all().size() == 0要快得多。我使用CQLSH来尝试以下查询哪个更快，这应该等于java的查询:

SELECT COUNT(*) as coun FROM table WHERE source = '...';

和慢的那个

SELECT * FROM table WHERE source = '...';

Answer 2

为两个选项调用System.currentTimeMillis()并将其打印出来。如果毫秒级精度不够，试试System.nanoTime()

long start = System.currentTimeMillis();
<YourMethod>
long end = System.currentTimeMillis();
long dif = end-start;

Answer 3

您必须从网络流量的角度考虑这两个查询，这不仅适用于cassandra，也适用于通过网络的任何请求(例如jdbc请求，rest请求)

SELECT * FROM table WHERE source = '...';

当你执行这个查询，然后你调用ResultSet#all你正在检索所有(*)分区(其中where子句显然持有)到进程的内存，使用数据驱动程序和实例化一个ArrayList与所有行的，最后调用一个简单的列表#大小。你必须记住延迟是邪恶的

(*)请注意，当查询检索的行数大于获取大小时，all方法也可能在网络上产生多个请求。这是更多的延迟!

SELECT COUNT(*) as coun FROM table WHERE source = '...';

对于这个查询，您也要支付延迟，但这是不可避免的。即RTT将查询发送到cassandra集群并接收响应。因为这将是一个简单的整数，它不会因为分页而产生多个请求，并且它将消耗很少的带宽。

此外，恕我直言，使用select计数(如果您根本不需要行信息)将是一个更好的选择，因为您明确了需要什么，这可以给服务器(数据库，web服务器等)以特定方式处理请求并提高性能的机会。例如，如果您的查询没有where子句，并且您只需要总行数，那么使用select count(*) from ...服务器可以利用每个表的内部计数器并更快地提供查询。然而，在cassandra中情况并非如此(因为在cassandra模型中不可能保持计数器的一致性)，但我认为我的意思很清楚。