Cassandra 无法从表中查询行总和
Posted
技术标签:
【中文标题】Cassandra 无法从表中查询行总和【英文标题】:Cassandra unable to query sum of rows from a table 【发布时间】:2019-10-13 14:41:21 【问题描述】:我正在使用Cassandra数据库捕获并保存一个简单的网络嗅探器数据,但是由于表中的行数大于20M+行,因此无法运行sum
或count
等任何聚合函数.
以下是我的表架构:
CREATE TABLE db.uinfo (
id timeuuid,
created timestamp,
dst_ip text,
dst_mac text,
dst_port int,
protocol int,
src_ip text,
src_mac text,
src_port int,
PRIMARY KEY (id, created)
) WITH CLUSTERING ORDER BY (created ASC)
AND bloom_filter_fp_chance = 0.01
AND caching = 'keys': 'ALL', 'rows_per_partition': 'NONE'
AND comment = ''
AND compaction = 'class': 'org.apache.cassandra.db.compaction.SizeTieredCompactionStrategy', 'max_threshold': '32', 'min_threshold': '4'
AND compression = 'chunk_length_in_kb': '64', 'class': 'org.apache.cassandra.io.compress.LZ4Compressor'
AND crc_check_chance = 1.0
AND dclocal_read_repair_chance = 0.1
AND default_time_to_live = 0
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';
现在当我运行查询时(有或无限制):
select src_ip, sum(data) as total from db.uinfo;
它抛出了以下错误:
OperationTimedOut: errors='127.0.0.1': 'Client request timeout. See Session.execute[_async](timeout)', last_host=127.0.0.1
你们中的任何一个好人都可以帮助我做同样的事情吗?我尝试分别更改cqlshrc
和cassandra.yaml
中的超时。我什至尝试使用以下方法启动 cqlsh:
cqlsh --connect-timeout=120 --request-timeout=120
。
我正在使用[cqlsh 5.0.1 | Cassandra 3.11.4 | CQL spec 3.4.4 | Native protocol v4]
【问题讨论】:
【参考方案1】:当 Cassandra 中有相对较大的数据时,这种查询将无法使用 - 这种查询需要扫描整个数据库,并读取其中的所有数据。当您知道要访问的分区时,Cassandra 非常棒,因此,仅将查询发送到可以非常有效地处理它们的单个服务器。所以聚合函数只在分区内工作得最好。
如果您需要完成此类查询 - 常见的建议是使用 Spark 并行读取数据并执行聚合。您可以使用Spark Cassandra Connector 执行此操作,但它会比普通查询慢 - 可能需要几十秒甚至几分钟,具体取决于数据大小、Spark 作业的硬件等。
如果您需要经常执行此类查询,那么您需要寻找其他技术,但很难说在这种情况下谁会表现出色。
【讨论】:
以上是关于Cassandra 无法从表中查询行总和的主要内容,如果未能解决你的问题,请参考以下文章