首页 文章

如何使用datastax java驱动程序有效地使用批量写入cassandra？

提问于
浏览 次
5

我需要使用Datastax Java驱动程序批量写入Cassandra，这是我第一次尝试使用批处理与datastax Java驱动程序，所以我有一些困惑 -

下面是我的代码，我在其中尝试创建一个Statement对象并将其添加到Batch并将ConsistencyLevel设置为QUORUM .

Session session = null;
Cluster cluster = null;

// we build cluster and session object here and we use  DowngradingConsistencyRetryPolicy as well
// cluster = builder.withSocketOptions(socketOpts).withRetryPolicy(DowngradingConsistencyRetryPolicy.INSTANCE)

public void insertMetadata(List<AddressMetadata> listAddress) {
    // what is the purpose of unloggedBatch here?
    Batch batch = QueryBuilder.unloggedBatch();

    try {
        for (AddressMetadata data : listAddress) {
            Statement insert = insertInto("test_table").values(
                    new String[] { "address", "name", "last_modified_date", "client_id" },
                    new Object[] { data.getAddress(), data.getName(), data.getLastModifiedDate(), 1 });
            // is this the right way to set consistency level for Batch?
            insert.setConsistencyLevel(ConsistencyLevel.QUORUM);
            batch.add(insert);
        }

        // now execute the batch
        session.execute(batch);
    } catch (NoHostAvailableException e) {
        // log an exception
    } catch (QueryExecutionException e) {
        // log an exception
    } catch (QueryValidationException e) {
        // log an exception
    } catch (IllegalStateException e) {
        // log an exception
    } catch (Exception e) {
        // log an exception
    }
}

以下是我的 AddressMetadata 课程 -

public class AddressMetadata {

    private String name;
    private String address;
    private Date lastModifiedDate;

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public String getAddress() {
        return address;
    }

    public void setAddress(String address) {
        this.address = address;
    }

    public Date getLastModifiedDate() {
        return lastModifiedDate;
    }

    public void setLastModifiedDate(Date lastModifiedDate) {
        this.lastModifiedDate = lastModifiedDate;
    }
}

现在我的问题是 - 我使用Batch来插入带有Datastax Java Driver的cassandra的方式是否正确？那么重试策略呢，这意味着如果批处理语句执行失败，那么会发生什么，它会再次重试吗？

有没有更好的方法使用Java驱动程序使用批量写入cassandra？

java cassandra datastax-java-driver

2 回答

  • 23

    首先有点咆哮：

    Cassandra中的batch关键字是 not 一种性能优化，用于将大量数据批处理批量加载 .

    批处理用于将原子操作组合在一起，这些操作是您希望一起发生的操作 . 批次保证如果批次的单个部分成功，则整个批次成功 .

    Using batches will probably not make your mass ingestion run faster

    现在提出您的问题：

    unloggedBatch的目的是什么？

    Cassandra使用称为批量日志记录的机制来确保批处理的原子性 . 通过指定未记录的批处理，您将关闭此功能，因此批处理不再是原子的，可能会因部分完成而失败 . 当然，记录批次并确保其原子性会有性能损失，使用未记录的批次将消除此惩罚 .

    在某些情况下，您可能希望使用未记录的批次来确保属于同一分区的请求（插入）一起发送 . 如果将操作一起批处理并且需要在不同的分区/节点中执行，则实质上是为协调器创建了更多工作 . 请参阅Ryan博客中的具体示例：

    阅读这篇文章

    现在我的问题是 - 我使用Batch插入带有Datastax Java Driver的cassandra的方式是否正确？

    我在这里看不到你的代码有什么问题，只取决于你想要实现的目标 . 深入了解我分享的博客文章，以获得更多洞察力 .

    那么重试策略呢，这意味着如果批处理语句执行失败，那么会发生什么，它会再次重试吗？

    如果它失败，它自己的批处理将不会自行重试 . 驱动程序确实有重试策略，但您必须单独应用它们 .

    java驱动程序中的默认策略仅在以下场景中重试：

    • 在读取超时时，如果回复了足够的副本但未检索到数据 .

    • 在写入超时时，如果我们在编写批处理语句使用的分布式日志时超时 .

    阅读有关default policy的更多信息，并根据您的使用案例考虑less conservative policies .

    回复于
  • 0

    我们在使用异步和批处理之间争论了一段时间 . 我们尝试了两者进行比较 . 与单个"async"请求相比，我们使用"unlogged batches"获得了更好的吞吐量 . 我们不知道为什么，但基于Ryan's blog，我猜它与写入大小有关 . 我们可能正在做太多较小的写入，因此对它们进行批处理可能会给我们带来更好的性能，因为它可以减少网络流量

    我必须提到，我们甚至没有以推荐的方式进行“未登记的批次” . 建议的方法是使用单分区键执行批处理 . 基本上，批处理属于同一分区键的所有记录 . 但是，我们只是批处理可能属于不同分区的一些记录 .

    有人做了一些基准测试来比较async和"unlogged batches"，我们发现它非常有用 . 这是link .

    回复于

相关问题