在 Cassandra 中使用分区

Cassandra 中的分区是数据分散和分散负载的基本单位。分区键是用于将数据在节点之间分配的值。有效使用分区是确保 Cassandra 应用在扩展和高性能方面顺利工作的关键。

分区键的选择

选择分区键通常是决定应用程序能否在 Cassandra 中有效工作的最重要问题。您的分区键应该是查询的一部分，并且应该在必要时用于过滤数据。

在选择分区键时，请注意以下几点：

• 数据分布：确保数据分布在所有节点上，以避免出现热区（hotspot）。
• 查询的一部分：分区键必须是查询中使用的属性。而且分区键值的更改需要重新插入数据。
• 包容性：分区键应该针对多个查询或业务需求保持一致。
• 去中心化：避免集中式查询，因为它们可能导致性能瓶颈。

通常，您需要采用锦囊或对数据进行抽取，以确保正确选择分区键。

分区大小

数据分散和分散负载的原则表明，分区大小应该是平均的，并且应该成倍增加。Cassandra 曾经有一个 2 GB 的分区大小限制，但是从版本 3.0 开始，它已经被取消了。

当分区过大时，Cassandra 的读取性能会下降。建议一个分区不要超过 100 MB。当分区过小时，无法利用 Cassandra 的分布式优势。

分区键和复合分区键

Cassandra 支持复合分区键。这意味着您可以使用多个列作为分区键。这样，您不仅可以更好地控制数据分布，而且还可以更好地支持多查询/多数据库需求和查询层次结构。

要使用复合分区键，请将逗号分隔的列列表（例如“partitionKey1，partitionKey2”）传递给 CREATE TABLE 语句：

CREATE TABLE mytable (
  partitionKey1 text,
  partitionKey2 text,
  column1 text,
  column2 text,
  PRIMARY KEY ((partitionKey1, partitionKey2), column1)
);

分区和命中率

命中率是指成功从缓存中读取数据的比率。成功使用分区键是提高命中率的关键，这样可以最小化单个分区上的 I/O 操作。分区命中率是一种度量，它告诉您查询中使用的分区键是否有效。

要了解分区命中率，请使用 CQLSH 工具中的 nodetool cfhistograms 命令：

nodetool cfhistograms keyspace.table

此命令将详细说明分区的命中率统计信息。您可以使用前面提到的最佳实践来查看命中率，以确定是否需要更改分区键。

总结

分区是 Cassandra 中数据分散和分散负载的基本单位。在选择分区键时，请遵循一些最佳实践，例如选择正确的键、正确的大小和复合键。通过这些指南，您可以更好地控制数据分布，并提高 Cassandra 应用程序的查询性能。