用Scala / Phantom-DSL异步读取大型Cassandra表

Question

我在读取包含>800 k行的表时遇到了问题。我需要从上到下读取行，以便处理它们。

我使用Scala和Phantom来实现这个目的。

这是我桌子的样子。

CREATE TABLE raw (
    id uuid PRIMARY KEY,
    b1 text,
    b2 timestamp,
    b3 text,
    b4 text,
    b5 text
) WITH bloom_filter_fp_chance = 0.01
    AND caching = '{"keys":"ALL", "rows_per_partition":"NONE"}'
    AND comment = ''
    AND compaction = {'class': 'org.apache.cassandra.db.compaction.SizeTieredCompactionStrategy'}
    AND compression = {'sstable_compression': 'org.apache.cassandra.io.compress.LZ4Compressor'}
    AND dclocal_read_repair_chance = 0.1
    AND default_time_to_live = 0
    AND gc_grace_seconds = 864000
    AND max_index_interval = 2048
    AND memtable_flush_period_in_ms = 0
    AND min_index_interval = 128
    AND read_repair_chance = 0.0
    AND speculative_retry = '99.0PERCENTILE';

到目前为止，我尝试使用以下方法读取该表：

def getAllRecords : Future[Seq[row]] = select.fetch

或者更花哨的枚举器，并将其与Iteratee结合起来。

def getAllRecords : Enumerator = select.fetchEnumrator

这一切都没有用，似乎卡桑德拉/司机/我的程序总是试着预先读取所有的记录，我在这里遗漏了什么？

Answer 1

你试过在更大的阅读测试中检查代码吗？

class IterateeBigReadPerformanceTest extends BigTest with ScalaFutures {

  it should "read the correct number of records found in the table" in {
    val counter: AtomicLong = new AtomicLong(0)
    val result = TestDatabase.primitivesJoda.select
      .fetchEnumerator run Iteratee.forEach {
      r => counter.incrementAndGet()
    }

    result.successful {
      query => {
        info(s"done, reading: ${counter.get}")
        counter.get() shouldEqual 2000000
      }
    }
  }
}

这不是会预先阅读你的记录的东西。事实上，我们有超过一个小时的测试来保证足够的GC暂停，没有GC开销，permgen/metaspace压力保持在范围内，等等。

如果真的有什么改变的话，那只是错误，但这仍然是可行的。