我目前正在使用DB2并计划使用cassandra，因为我知道cassandra的读取性能高于RDBMS .
可能这是一个愚蠢的问题，但我有实验比较DB2和Cassandra之间的读取性能 .
使用500万条记录和相同的表架构进行测试 . 使用查询 SELECT * FROM customer . DB2使用25-30s，Cassandra使用40-50s .
但查询条件 SELECT * FROM customer WHERE cusId IN (100,200,300,400,500) DB2使用 2-3s 和Cassandra使用 3-5ms .
为什么Cassandra比具有条件的DB2更快？所以我不能用 SELECT * FROM customer 来证明哪个数据库更大？
仅供参考 .
Cassandra：RF = 3且CL = 1，每个节点在3台计算机上运行3个节点（VM-Ubuntu）
DB2：在Windows上运行
表模式：
cusId int PRIMARY KEY, cusName varchar
2 回答
如果你看看Cassandra擅长解决的问题类型，那么为什么未绑定（"Select All"）查询的原因变得非常明显 .
Cassandra旨在成为分布式数据库 . 在许多Cassandra存储模式中，节点数大于复制因子（I.E.，并非所有节点都包含所有数据） . 因此，限制网络跃点的数量对于建模高性能查询至关重要 . Cassandra在特定查询（利用分区/集群密钥结构）方面表现非常出色，因为它可以快速定位主要负责数据的节点 .
未绑定查询（A.K.A.多键查询）会产生额外的网络时间，因为需要协调器节点 . 因此，一个节点充当协调器，查询所有其他节点，整理数据并返回结果集 . 指定WHERE子句（至少具有分区键）并使用“令牌感知”负载 balancer 策略时，执行效果有两个原因：
不需要协调器节点 .
查询主要负责范围的节点，将结果集返回到单个netowrk跃点中 .
tl;dr;
使用未绑定的查询查询Cassandra，如果使用WHERE子句指定查询，则会导致它通常不必执行大量额外处理和网络时间 .
即使像无条件范围查询这样麻烦的查询，40-50s对于C *来说也是非常极端的 . 协调员是否通过协调打击了GC？你能包含用于测试的代码吗？
当你制作一个
select *对数百万条记录时，它不会同时获取所有记录，它会一次获取fetchSize . 如果你只是迭代这个，即使你最初使用了executeAsync，迭代器也会实际阻塞 . 这意味着每10k（默认）记录它将发出一个您将阻止的新查询 . 从网络角度来看，这需要时间序列化 . http://docs.datastax.com/en/developer/java-driver/3.1/manual/async/#async-paging解释了如何以非阻塞方式执行此操作 . 您可以使用它来处理下一页提取，同时处理有用的电流 .减小限制或获取大小也可能有所帮助，因为协调器可以一次一个地走一个令牌范围（这里可能存在并行性，但它的启发式不完美），直到它已经足够读取 . 如果它必须走太多节点来响应它将会很慢，这就是为什么空表可以非常慢地执行
select *，它可以串行遍历每个副本集 . 使用256个vnode可能非常糟糕 .