Cassandra：如何减少表中的墓碑数量？ （tombstone_compaction_interval、gc_grace_seconds 和 LevelledCompactionStrategy）

Question

我有一个表，我在其中插入 TTL 为 1 分钟的数据，我在 DSE OpsCenter 中收到有关该表中大量墓碑的警告。这确实是有道理的，因为平均每分钟在此表中插入 80 条记录。 因此，例如一整天 80 * 60 * 24 = 115200 条记录在一天内插入和 TTL'ed。

我的问题是我应该怎么做才能减少此表中的墓碑数量？

我一直在研究 tombstone_compaction_interval 和 gc_grace_seconds，这有点令人困惑，因为我无法理解这些属性的确切影响在墓碑上（即使阅读了 DataStax 提供的文档 - http://docs.datastax.com/en/cql/3.1/cql/cql_reference/compactSubprop.html 和 http://docs.datastax.com/en/cql/3.1/cql/cql_reference/tabProp.html）。

我也一直在研究 LevelledCompactionStrategy (https://www.datastax.com/dev/blog/leveled-compaction-in-apache-cassandra)，因为它似乎也会影响 tombstones 压缩，尽管我不完全明白为什么。

所以我希望有人能够帮助我更好地了解这一切是如何运作的，或者甚至只是让我知道我是否朝着正确的方向前进。

Answer 1

请阅读此http://thelastpickle.com/blog/2016/07/27/about-deletes-and-tombstones.html。很好读。

总体而言：gc_grace_seconds 参数是删除数据后逻辑删除在磁盘上保留的最短时间。我们需要确保所有副本都收到了删除并存储了所有墓碑，以避免出现僵尸数据问题。默认为 10 天。

tombstone_compaction_interval：作为这个 JIRA (https://issues.apache.org/jira/browse/CASSANDRA-4781) 的一部分，引入了这个属性。 当压缩率高到足以触发单个 SSTable 压缩时，但由于 SSTable 重叠，墓碑没有被驱逐。

我不确定您当前的数据模型，但这是我的建议。

1. 可能您必须更改您的 DM。请阅读https://academy.datastax.com/resources/getting-started-time-series-data-modeling 和Time series modelling( with start & end date) in cassandra
2. 更改写入模式。
3. 更改读取模式。尝试只读取活动数据。 （根据您当前的 DM，当您阅读它时，它会通过墓碑单元以到达活动单元）
4. 尝试使用 TimeWindowCompactionStrategy 并根据您的工作负载对其进行调整。 (http://thelastpickle.com/blog/2017/01/10/twcs-part2.html)
5. 如果您在插入时使用 TTL（例如使用 INSERT 或 UPDATE stmnt），请查看是否可以将其更改为表级别。

如果您使用 STCS 并且想要更改压缩子属性，您可能可以更改 unchecked_tombstone_compaction=true 和 min_threshold=3（有点激进）