Cassandra1.2文档学习（13）—— 数据读取

参考文档:http://www.datastax.com/documentation/cassandra/1.2/webhelp/index.html#cassandra/dml/dml_about_reads_c.html#concept_ds_vrp_4qx_zj

　　不像大部分数据库。Cassandra从固态硬盘中平行随机读取数据性能很好，具有极低的延迟。不推荐使用常见的硬盘。Cassandra读和写一样，数据是被key分隔开，去除了很多关系型数据库需要用到的复杂查询。

　　首先，Cassandra会检查 Bloom filter。每一个SSTable有一个与之关联的 Bloom filter， Bloom filter用来通过key在真正通过磁盘 I/O查询数据前检测是否有SSTable是否可能含有查询的数据。如果 Bloom filter检测出数据存在，那么SSTable可能包含数据，但如果 Bloom filter检测出数据不存在，那么SSTable中一定不包含数据。

　　如果 Bloom filter检测出数据存在，Cassandra会检查 partition key cache并且采取一下行动中的一个：

　　•如果在缓存中发现了一个索引条目：

　　　　◦Cassandra去压缩位移图中查找包含数据的压缩块

　　　　◦读取磁盘上包含数据的压缩块并返回结果集。

　　•如果在缓存中没有发现了一个索引条目：

　　　　◦Cassandra搜索partition summary去确定索引条目在磁盘上的确切的位置

　　　　◦接下来，为了读取索引条目，卡桑德拉第一时间读取磁盘，如果列是相邻的，在SSTable中执行一个单一的查询和一个顺序的读取（一系列读取）。

　　　　◦Cassandra去压缩位移图中查找包含数据的压缩块

　　　　◦读取磁盘上包含数据的压缩块并返回结果集。

　　在Cassandra 1.2 及之后的版本,  Bloom filter 和压缩位移图不再是堆，这大大加强了节点处理数据的能力。内存中，只有分区键缓存是固定大小的。其他部分随个数据集增加而增加。

　　•Bloom filter 的大小增长到大约1-2 GB每十亿分区。在极端的情况下，每一行可以有一个分区，所以在一台机器可以有几十亿的条目。 Bloom filter是可以调整的如果你需要交换存储器性能。

　　•默认情况下，分区总结是一个分区的指标样本。你可以在cassandra.yaml文件通过改变index_interval 属性的值来配置采样频率。你可以增加index_interval到512。Cassandra 1.2.5通过在java虚拟机中使用原长代替装箱数以减少分区总结的大小。

　　•压缩位移图的大小增长到大约1-3 GB每TB压缩。你越压缩数据，你会有更多的压缩快和更大的压缩位移图。

　　即使压缩位移图会消耗CPU资源，压缩仍是默认启用的。采用压缩会让页面缓存更有效率，通常，几乎总会有回报的。

一、读取集群行

　　使用CQL 3模式，Cassandra的存储引擎使用复合列存储集群行。所有使用相同分区键的逻辑行存储在单一的物理行。在一个分区内，对于查询来说所有的行不是相等价值的。分区的开始——第一行，聚合了你的key定义——对于查询来说价值比较低因为对于索引的分区级别没有必要。

二、关于读取路径

　　当一个节点接受到对于某一行的一个读取请求，为了产生所需的数据，闭合从所有包含那一行column的SSTable中组合数据，包括从任何未将数据刷新到SSTable的memtable。

　　此图描绘了一个读请求读取路径，仍然是更新写入路径的那个例子：

　　例如，有一行数据包含了用户的信息，并且此时你需要更新用户的email地址。Cassandra不会在另一个数据文件中重写完整的一行，只是仅仅将新的email地址放在一个新的数据文件中。用户的名字和密码仍然存在旧的数据文件中。

　　在此图中SSTable中的红线是一行的碎片，这些碎片Cassandra需要去整合然后返回用户最终的请求结果。Cassandra缓存了合并后的值，而不是原始的行碎片。 这样节省了CPU和磁盘I/O。

　　行缓存是一个写入缓存，所以如果你有一个高速缓存的行并且你更新了那一行，它将在缓存更新，你仍然不要去合并。

三、写入模式是如何影响读取的

　　Cassandra中数据的 compaction strategy类型是可以配置的并且会显著影响读取的性能。当行经常更新时，使用SizeTieredCompactionStrategy往往会造成数据碎片。 LeveledCompactionStrategy (LCS)设计用来在上述条件下防止碎片的产生。

四、行缓存是如何影响读取的

　　对于任何数据库，所取的数据在内存中时读取会更快。尽管现在的存储系统某种形式上的缓存去更快的访问到热门的数据，并不是所有的存储系统会降低性能当缓存容量超出并且磁盘I / O是需要的。Cassandra的读取性能受益于 built-in caching（内置缓存）。对于那些经常访问的行，Cassandra有一个内置的key缓存和一个可选的行缓存。

五、压紧和压缩是如何影响读取的

　　为了防止读取速度下降，压紧在后台运行，并且没有随机I/O。压缩最大化了节点的的存储容量并且减少了磁盘I/O，特别是读取为主的负载。

当因为读取的负担加重，Cassandra增加中I/O活动时，典型的方式是向集群中增加更多的节点。Cassandra避免在读取文件中途解压数据，使得压缩透明化。