从 Apache cassandra 读取数据的问题

Question

我在使用 apache cassandra 时遇到了一些问题。我已经尝试解决这个问题好几个星期了。

这是我的设置。我有 2 台运行 apache cassandra 的计算机（让我们调用计算机 C1 和计算机 C2），我创建了一个复制因子为 2 的密钥空间。这样每台计算机都有一个数据的本地副本。

我有一个程序可以读取大量数据，例如大约 500MB。

场景 1) 假设只有计算机 C1 正在运行 cassandra，我在计算机 C1 上运行读取程序，然后此读取发生在半分钟到一分钟。

场景 2) 我现在在计算机 C2 上启动 cassandra 实例并再次在计算机 C1 上运行读取程序 - 现在需要很长时间才能完成，大约 20 分钟。

我不确定为什么会这样。读取一致性设置为“一”

预期效果

理想情况下，计算机 C1 和 C2 上的读取程序必须快速完成。这应该是可能的，因为两台计算机都有数据的本地副本。

谁能指出我正确的方向？我非常感谢您的帮助， 谢谢

更新：网络使用情况

这可能意义不大，但我使用 nethogs 监控了互联网连接，当两个 cassandra 节点都启动并读取数据库时，cassandra 使用带宽与另一个节点通信 - 大概这是发生在我使用读取一致性级别“一”的背景，在我的情况下，具有所需数据的最近节点是本地计算机的 cassandra 实例（所有节点都有所有数据） - 所以数据源应该来自本地电脑...

更新：SQLTransentExceptions: TimedOutException()

当两个节点都启动时，读取数据库的程序，然而，有几个 SQLTransentExceptions：TimedOutException()。我使用 10 秒的默认超时。但这引发了一个问题，即当所有数据检索都应该来自本地实例时，为什么 SQL 语句会超时。此外，如果只有一个节点启动，相同的 SQL 代码也可以正常运行。

Answer 1

不存在“ANY”的读取一致性（仅适用于写入）。最低读取一致性为 ONE。您需要检查您的读取一致性到底是什么。

也许您的配置设置为读取需要从两个服务器获取数据（如果两者都已启动），并且从 C2 获取数据到 C1 非常慢。

强制将您的读取一致性级别设置为“ONE”。

Answer 2

您似乎遇到了令牌冲突，在您的情况下，这意味着两个节点都拥有 100% 的密钥。您需要做的是重新分配其中一个节点，使其拥有一半的令牌。使用nodetool move（使用令牌85070591730234615865843651857942052864）后跟nodetool cleanup。

缓慢的速度很可能是由于高网络延迟，当您的所有事务（某些子集实际上超时）相乘时，会导致相应的大量工作时间。许多客户端库使用自动节点发现来了解新节点或停机节点，然后跨可用节点循环请求。因此，即使您只告诉它有关 localhost 的信息，它也可能会自行了解其他节点。

在节点必须通信的任何分布式计算环境中，网络延迟和可靠性是一个巨大的因素，必须加以处理。