scylla读路径和cassandra读路径有什么不同？

Question

Scylla读路径和Cassandra读路径有什么不同？当我强调Cassandra和Scylla时，Scylla的读取性能比使用16核和普通硬盘的Cassandra差5倍。

我希望与使用普通硬盘的Cassandra相比，在Scylla上的阅读性能更好，因为我的公司不提供SSD。

有没有人能确认一下，有没有可能用普通硬盘实现更好的读取性能？

如果是，需要对scylla配置进行哪些更改？请给我指引！

Answer 1

其他一些回答集中在写性能上，但这不是你所问的--你问的是读。

在硬盘上的非缓存读取性能在Cassandra和Scylla中肯定会很差，因为从磁盘读取每个都需要在硬盘上执行多次寻道，而且即使是最好的硬盘也不能超过每秒200次寻道。即使有几个这样的磁盘的RAID，您也很少能够做超过每秒1000个请求。由于现代多核可以完成比每秒1000个请求多几个数量级的CPU工作，因此在Scylla和Cassandra的情况下，您可能会看到空闲的CPU。因此，当磁盘成为性能瓶颈时，Scylla的主要优势，即每次请求使用的CPU要少得多，甚至都无关紧要。在这种情况下，我期望Scylla和Cassandra的性能(我假设您在谈论性能时是在测量吞吐量？)应该大致相同。

但是，如果您看到Cassandra的吞吐量比Scylla更好，那么除了其他响应中提出的一般客户端错误配置问题之外，还有几个细节可以解释原因：

Cassandra

• 如果你的数据量很小，可以放在内存中，那么Cassandra的缓存策略更适合你的工作负载。Cassandra使用操作系统的页面缓存，它读取整个磁盘页面，并可能在一次读取中缓存多个项目，以及多个索引项。而Scylla的工作方式不同，并且有一个行缓存-只缓存特定的数据读取。Scylla的缓存对于不能放入内存的大量数据更好，但当数据可以放入内存时更糟糕，直到整个数据集都被缓存(缓存所有内容之后，它又变得非常高效)。

• On HDD，压缩的细节对于读取性能非常重要-如果在一个设置中有更多的稳定数据要读取，它可能会增加读取次数并降低性能。这可以根据您的压缩配置进行更改，甚至可以随机更改(取决于上次运行压缩的时间)。您可以通过在两个系统上执行主要压缩("nodetool compact")并在之后检查读取性能来检查这是否解释了您的性能问题。您可以将压缩策略切换到LCS，以确保随机访问读取性能更好，但代价是更多的写入工作(在HDD上，这可能是一个值得您测量扫描性能(读取整个表)的compromise).

• If )，而不是读取单个行，其他问题变得相关:正如您可能听说过的，Scylla将每个节点细分为分片(每个分片是一个单独的CPU)。这对于CPU有限的工作来说是非常棒的，但是对于扫描不是很大的表来说可能更糟，因为现在每个sstable都更小了，在需要再次查找之前可以读取的连续数据量也更少了。

我不知道这些差异中的哪一个-或其他什么-导致你的用例在Scylla中的性能较低，但我请记住，无论你修复什么，你的性能在硬盘上总是不好的。使用SDDs，我们在过去测量了单个节点上每秒超过一百万个随机访问读请求。硬盘不能与之接近。如果您确实需要最佳的性能或性价比，SDDs确实是最佳选择。

Answer 2

你不能从你的Scylla集群中获得最大收益的原因可能有很多。

1. 来自客户端/加载器的并发连接数不够高，或者您没有使用足够数量的加载器。在这种情况下，一些分片将完成所有工作，而其他分片将大部分处于空闲状态。
2. Scylla likes的每个分片至少有2个连接(您可以在/etc/scylla.d/cpuset.conf)
3. What's中查看分片的数量和数据集的大小？您是否正在读取大量分区，还是只读取了几个分区？你可能遇到了一个热分区的情况

我强烈建议您阅读以下文档，它们将为您提供更多的见解：

• https://www.scylladb.com/2019/03/27/best-practices-for-scylla-applications/
• https://docs.scylladb.com/operating-scylla/benchmarking-scylla/

Answer 3

@Sateesh，我想补充@TomerSan的答案，即Cassandra和ScyllaDB使用相同的磁盘存储架构(LSM)。这意味着它们具有相对相同的磁盘访问模式，因为算法基本相同。LSM树的构建思想是，没有必要进行即时就地更新。它由不可变的数据桶组成，这些数据桶是磁盘上的大型连续数据片段。这意味着更少的随机IO，更多的顺序IO，对于HDD来说工作得很好(不包括现代数据库实现所利用的并行性)。

所有上述情况意味着，您看到的差异不是由这些数据库如何使用磁盘的差异引起的。它必须与配置差异和下面发生的事情有关。也许ScyllaDB试图利用更多的并行性，或者更积极地进行压缩。那得看情况。

为了能够说出任何具体的东西，请分享您的测试、环境和配置。