Cassandra 压力测试结果评估

Question

一段时间以来，我一直在使用 cassandra-stress 工具来评估我的 cassandra 集群。

我的问题是我无法理解为我的特定用例生成的结果。

我的架构看起来像这样:

CREATE TABLE Table_test(
      ID uuid,
      Time timestamp,
      Value double,
      Date timestamp,
      PRIMARY KEY ((ID,Date), Time)
) WITH COMPACT STORAGE;

我在自定义 yaml 文件中解析了这些信息并使用了参数 n=10000 , threads=100其余的是默认选项( cl=one 、 mode=native cql3 等)。 Cassandra 集群是一个 3 节点 CentOS VM 设置。

自定义 yaml 文件的一些细节如下:

insert:
    partitions: fixed(100)
    select: fixed(1)/2
    batchtype: UNLOGGED

columnspecs:
    -name: Time
     size: fixed(1000)
    -name: ID
     size: uniform(1..100)
    -name: Date
     size: uniform(1..10)
    -name: Value
     size: uniform(-100..100)

到目前为止，我的观察如下:

与 n=10000和时间:fixed(1000) ，插入的行数为 1000 万。 (10000*1000=10000000)

行键/分区的数量是 10000(i.e n) ，其中一次取 100 个分区(这意味着 100 *1000 = 100000 个键值对)，其中一次处理 50000 个键值对。 (这是因为 select: fixed(1)/2 ~ 50%)

输出消息也证实了这一点:

Generating batches with [100..100] partitions and [50000..50000] rows (of[100000..100000] total rows in the partitions)

对于具有与上述相同配置的连续运行，我得到的结果如下:

Run Total_ops   Op_rate Partition_rate  Row_Rate   Time 
1     56           19     1885           943246     3.0
2     46           46     4648          2325498     1.0
3     27           30     2982          1489870     0.9
4     59           19     1932           966034     3.1
5     100          17     1730           865182     5.8

现在我需要了解的内容如下:

这些指标中的哪一个是吞吐量，即每秒插入的记录数？是 Row_rate、Op_rate 还是 Partition_rate？如果是 Row_rate，我可以在这里安全地得出结论，我每秒可以插入接近 100 万条记录吗？在这种情况下，对 Op_rate 和 Partition_rate 的含义有什么想法吗？

为什么每次运行的 Total_ops 变化如此之大？线程数是否与这种变化有关？关于我的 Cassandra 设置的稳定性，我可以得出什么结论？

我如何在这里确定每个线程的批量大小？在我的例子中，批量大小是 50000 吗？

提前致谢。

Answer 1

行率是您插入到数据库中的 CQL 行数。对于您的表，CQL 行是一个元组，如 (ID uuid, Time timestamp, Value double, Date timestamp) .

分区率是 C* 必须构建的分区数。分区是在 Cassandra 中保存和排序数据的数据结构，具有相同分区键的数据最终位于同一节点上。此分区率等于在时间窗口中插入的分区键中唯一值的数量。对于您的表，这将是 (ID,Date) 的唯一值

Op Rate 是实际必须完成的 CQL 操作的数量。根据您的设置，它正在运行未记录的批次以插入数据。每个插入包含大约 100 个分区(ID 和日期的唯一组合)，这就是为什么 OP Rate * 100 ~= Partition Rate

总 OP 应该包括所有操作，读和写。因此，如果您有任何读取操作，这些操作也将包括在内。

我建议更改您的批量大小以匹配您的工作负载，或者根据您的实际数据库使用情况将其保持在 1。这应该提供一个更现实的场景。此外，运行超过 100 次总操作的时间也很重要，这样才能真正了解系统的功能。当数据集的大小增加超过机器中的 RAM 量时，一些最大的困难就会出现。