上篇博客講到了cassandra的分頁，相信大家會有所注意：下一次的查詢依賴上一次的查詢(上一次查詢的最后一條記錄的全部主鍵)，不像mysql那樣靈活，所以只能實現上一頁、下一頁這樣的功能，不能實現第多少頁那樣的功能（硬要實現的話性能就太低了）。
我們先看看驅動官方給的分頁做法
如果一個查詢得到的記錄數太大，一次性返回回來，那么效率非常低，并且很有可能造成內存溢出，使得整個應用都奔潰。所以了，驅動對結果集進行了分頁，并返回適當的某一頁的數據。
一、設置抓取大小（Setting the fetch size）
抓取大小指的是一次從cassandra獲取到的記錄數，換句話說，就是每一頁的記錄數；我們能夠在創建cluster實例的時候給它的fetch size指定一個默認值，如果沒有指定，那么默認是5000
|
1
2
3
4
5
6
7
8
|
// At initialization:Cluster cluster = Cluster.builder() .addContactPoint("127.0.0.1") .withQueryOptions(new QueryOptions().setFetchSize(2000)) .build();// Or at runtime:cluster.getConfiguration().getQueryOptions().setFetchSize(2000); |
另外，statement上也能設置fetch size
|
1
2
|
Statement statement = new SimpleStatement("your query");statement.setFetchSize(2000); |
如果statement上設置了fetch size，那么statement的fetch size將起作用，否則則是cluster上的fetch size起作用。
注意：設置了fetch size并不意味著cassandra總是返回準確的結果集(等于fetch size)，它可能返回比fetch size稍微多一點或者少一點的結果集。
二、結果集迭代
fetch size限制了每一頁返回的結果集的數量，如果你迭代某一頁，驅動會在后臺自動的抓取下一頁的記錄。如下例，fetch size = 20：
默認情況下，后臺自動抓取發生在最后一刻，也就是當某一頁的記錄被迭代完的時候。如果需要更好的控制，ResultSet接口提供了以下方法：
getAvailableWithoutFetching() and isFullyFetched() to check the current state;
fetchMoreResults() to force a page fetch;
以下是如何使用這些方法提前預取下一頁，以避免在某一頁迭代完后才抓取下一頁造成的性能下降：
|
1
2
3
4
5
6
7
|
ResultSet rs = session.execute("your query");for (Row row : rs) { if (rs.getAvailableWithoutFetching() == 100 && !rs.isFullyFetched()) rs.fetchMoreResults(); // this is asynchronous // Process the row ... System.out.println(row);} |
三、保存并重新使用分頁狀態
有時候，將分頁狀態保存起來，對以后的恢復是非常有用的，想象一下：有一個無狀態Web服務，顯示結果列表，并顯示下一頁的鏈接，當用戶點擊這個鏈接的時候，我們需要執行與之前完全相同的查詢，除了迭代應該從上一頁停止的位置開始；相當于記住了上一頁迭代到了哪了，那么下一頁從這里開始即可。
為此，驅動程序會暴露一個PagingState對象，該對象表示下一頁被提取時我們在結果集中的位置。
|
1
2
3
4
5
6
7
|
ResultSet resultSet = session.execute("your query");// iterate the result set...PagingState pagingState = resultSet.getExecutionInfo().getPagingState();// PagingState對象可以被序列化成字符串或字節數組String string = pagingState.toString();byte[] bytes = pagingState.toBytes(); |
PagingState對象被序列化后的內容可以持久化存儲起來，也可用作分頁請求的參數，以備后續再次被利用，反序列化成對象即可：
|
1
2
|
PagingState.fromBytes(byte[] bytes);PagingState.fromString(String str); |
請注意，分頁狀態只能使用完全相同的語句重復使用（相同的查詢，相同的參數）。而且，它是一個不透明的值，只是用來存儲一個可以被重新使用的狀態值，如果嘗試修改其內容或將其使用在不同的語句上，驅動程序會拋出錯誤。
具體我們來看下代碼，下例是模擬頁面分頁的請求，實現遍歷teacher表中的全部記錄：
接口：
|
1
2
3
4
5
6
7
8
9
|
import java.util.Map;import com.datastax.driver.core.PagingState;public interface ICassandraPage{ Map<String, Object> page(PagingState pagingState);} |
主體代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
|
import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;import com.datastax.driver.core.PagingState;import com.datastax.driver.core.ResultSet;import com.datastax.driver.core.Row;import com.datastax.driver.core.Session;import com.datastax.driver.core.SimpleStatement;import com.datastax.driver.core.Statement;import com.huawei.cassandra.dao.ICassandraPage;import com.huawei.cassandra.factory.SessionRepository;import com.huawei.cassandra.model.Teacher;public class CassandraPageDao implements ICassandraPage{ private static final Session session = SessionRepository.getSession(); private static final String CQL_TEACHER_PAGE = "select * from mycas.teacher;"; @Override public Map<String, Object> page(PagingState pagingState) { final int RESULTS_PER_PAGE = 2; Map<String, Object> result = new HashMap<String, Object>(2); List<Teacher> teachers = new ArrayList<Teacher>(RESULTS_PER_PAGE); Statement st = new SimpleStatement(CQL_TEACHER_PAGE); st.setFetchSize(RESULTS_PER_PAGE); // 第一頁沒有分頁狀態 if (pagingState != null) { st.setPagingState(pagingState); } ResultSet rs = session.execute(st); result.put("pagingState", rs.getExecutionInfo().getPagingState()); //請注意，我們不依賴RESULTS_PER_PAGE，因為fetch size并不意味著cassandra總是返回準確的結果集 //它可能返回比fetch size稍微多一點或者少一點，另外，我們可能在結果集的結尾 int remaining = rs.getAvailableWithoutFetching(); for (Row row : rs) { Teacher teacher = this.obtainTeacherFromRow(row); teachers.add(teacher); if (--remaining == 0) { break; } } result.put("teachers", teachers); return result; } private Teacher obtainTeacherFromRow(Row row) { Teacher teacher = new Teacher(); teacher.setAddress(row.getString("address")); teacher.setAge(row.getInt("age")); teacher.setHeight(row.getInt("height")); teacher.setId(row.getInt("id")); teacher.setName(row.getString("name")); return teacher; } } |
測試代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
import java.util.Map;import com.datastax.driver.core.PagingState;import com.huawei.cassandra.dao.ICassandraPage;import com.huawei.cassandra.dao.impl.CassandraPageDao;public class PagingTest{ public static void main(String[] args) { ICassandraPage cassPage = new CassandraPageDao(); Map<String, Object> result = cassPage.page(null); PagingState pagingState = (PagingState) result.get("pagingState"); System.out.println(result.get("teachers")); while (pagingState != null) { // PagingState對象可以被序列化成字符串或字節數組 System.out.println("=============================================="); result = cassPage.page(pagingState); pagingState = (PagingState) result.get("pagingState"); System.out.println(result.get("teachers")); } } } |
我們來看看Statement的setPagingState(pagingState)方法：
四、偏移查詢
保存分頁狀態，能夠保證從某一頁移動到下一頁很好地運行（也可以實現上一頁），但是它不滿足隨機跳躍，比如直接跳到第10頁，因為我們不知道第10頁的前一頁的分頁狀態。像這樣需要偏移查詢的特點，并不被cassandra原生支持，理由是偏移查詢效率低下(性能與跳過的行數呈線性反比)，所以cassandra官方不鼓勵使用偏移量。如果非要實現偏移查詢，我們可以在客戶端模擬實現。但是性能還是呈線性反比，也就說偏移量越大，性能越低，如果性能在我們的接受范圍內，那還是可以實現的。例如，每一頁顯示10行，最多顯示20頁，這就意味著，當顯示第20頁的時候，最多需要額外的多抓取190行，但這也不會對性能造成太大的降低，所以數據量不大的話，模擬實現偏移查詢還是可以的。
舉個例子，假設每頁顯示10條記錄，fetch size 是50，我們請求第12頁(也就是第110行到第119行)：
1、第一次執行查詢，結果集包含0到49行，我們不需要用到它，只需要分頁狀態；
2、用第一次查詢得到的分頁狀態，執行第二次查詢；
3、用第二次查詢得到的分頁狀態，執行第三次查詢。結果集包含100到149行；
4、用第三次查詢得到的結果集，先過濾掉前10條記錄，然后讀取10條記錄，最后丟棄剩下的記錄，讀取的10條記錄則是第12頁需要顯示的記錄。
我們需要嘗試著找到最佳的fetch size來達到最佳平衡：太小就意味著后臺更多的查詢；太大則意味著返回了更大的信息量以及更多不需要的行。
另外，cassandra本身不支持偏移量查詢。在滿足性能的前提下，客戶端模擬偏移量的實現只是一種妥協。官方建議如下：
1、使用預期的查詢模式來測試代碼，以確保假設是正確的
2、設置最高頁碼的硬限制，以防止惡意用戶觸發跳過大量行的查詢
五、總結
Cassandra對分頁的支持有限，上一頁、下一頁比較好實現。不支持偏移量的查詢，硬要實現的話，可以采用客戶端模擬的方式，但是這種場景最好不要用在cassandra上，因為cassandra一般而言是用來解決大數據問題，而偏移量查詢一旦數據量太大，性能就不敢恭維了。
在我的項目中，索引修復用到了cassandra的分頁，場景如下：cassandra的表不建二級索引，用elasticsearch實現cassandra表的二級索引，那么就會涉及到索引的一致性修復的問題，這里就用到了cassandra的分頁，對cassandra的某張表進行全表遍歷，逐條與elasticsearch中的數據進行匹對，若elasticsearch中不存在，則在elasticsearch中新增，若存在而又不一致，則在elasticsearch中修復。具體elasticsearch怎么樣實現cassandra的索引功能，在我后續博客中會專門的講解，這里就不多說了。而在cassandra表進行全表遍歷的時候就需要用到分頁，因為表中數據量太大，億級別的數據不可能一次全部加載到內存中。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：http://www.cnblogs.com/youzhibing/p/6653129.html
