如何在 cassandra 中创建非原子批处理（或等效）语句

Question

我正在使用来自 Cassandra 的 DataStax Nodejs 驱动程序，我想要做的是避免在我的应用程序中插入时会发生非常频繁的 I/O 操作。我将每秒执行大约 1000 次插入，并且希望将所有数据组合在一起并执行 1 个 I/O，而不是运行会导致 1000 个 I/O 的单个查询。我遇到了像下面这样的批处理语句，

const query1 = 'UPDATE user_profiles SET email = ? WHERE key = ?';
const query2 = 'INSERT INTO user_track (key, text, date) VALUES (?, ?, ?)';
const queries = [
   { query: query1, params: [emailAddress, 'hendrix'] },
   { query: query2, params: ['hendrix', 'Changed email', new Date()] } 
];
client.batch(queries, { prepare: true }, function (err) {
   // All queries have been executed successfully
   // Or none of the changes have been applied, check err
});

这里的问题是它们是原子的。我希望其他语句成功，即使其中一个失败。有什么我可以做的吗？

Answer 1

跨多个分区的批处理语句（您的 write 语句就是这种情况）默认使用 LOGGED 批处理。这意味着您具有此原子性属性。如果你真的想删除原子性部分，你应该使用 UNLOGGED 批处理。但是，您应该知道，跨多个分区的 UNLOGGED 批处理是反模式https://issues.apache.org/jira/browse/CASSANDRA-9282。让我试着解释一下：

使用批处理语句时，有4种可能的情况：

• 您的批次是针对单个分区还是多个分区？ （这是你的情况）
• 您的批次是使用 LOGGED 还是 UNLOGGED 批次？ LOGGED 确保原子性（所有或无操作都会成功）。 LOGGED 浴缸更昂贵。

让我们考虑 4 个选项：

1. 单个分区，LOGGED批处理。当您想要针对单个分区实现写入的原子性时，您可以使用它。这种原子性是有代价的。所以只有在需要时才使用它。
2. 单个分区，UNLOGGED批处理。当您不需要原子性时使用它，它更快。如果您的应用程序配置正确（tokenaware），您的批处理语句将选择一个副本（为此分区）作为协调器，您将获得性能提升。这是使用 UNLOGGED 批处理的唯一正当理由。默认情况下，针对同一分区的批处理是 UNLOGGED。
3. 多个分区，LOGGED批处理。批量查询命中不同分区的唯一原因是确保原子性。默认情况下，对多个分区进行批处理是 LOGGED。
4. 多个分区，UNLOGGED批处理。这是一种反模式，因为它没有带来功能价值（没有原子性），也没有性能优势（涉及多个分区，协调器将有联系负责分区的副本的开销，从而导致额外的工作）。李>

为了更具体，当您跨多个分区发出所谓的“单个 IO”批处理语句时，协调器无论如何都必须将您的“单个 IO”分成 1000 个 IO（情况并非如此）如果所有写入都在同一个分区上），并在多个副本之间进行协调。

总而言之，您可能会观察到客户端的性能有所提高，但您会在 Cassandra 端产生更大的成本。

您可能想阅读以下博客文章：http://batey.info/cassandra-anti-pattern-misuse-of.html 特别是关于对多个分区使用 UNLOGGED 批处理的部分：

这实际上给单个协调员施加了巨大压力。这是因为协调器需要将每个单独的插入转发到正确的副本。当您在数据库的单次往返中插入不同的分区时，您将失去令牌感知负载平衡策略的所有好处。