Cassandra查询性能：对复合分区键的一部分使用IN子句

我目前在Cassandra中设置了一个表，该表包含文本、十进制或日期类型列，其中包含业务日期和帐号的组合分区键。对于此表的查询，我需要能够支持在给定日期查找单个帐户或帐户列表

例如：

select x,y,z from my_table where business_date = '2019-04-10' and account_number IN ('AAA', 'BBB', 'CCC')
//Note: Both partition keys are provided for this query

我一直在努力解决与访问此数据相关的性能问题，因为我注意到我在试图理解/解释延迟模式时遇到困难

在许多情况下，客户机应用程序可以在短时间内总共运行三次相同的查询。对于这些场景，我看到三分之二的请求的响应时间非常糟糕（800毫秒），其中一个请求的响应时间非常快（50毫秒）。起初我认为这是由于键缓存或行缓存造成的，但是，我不太确定，因为我认为如果这是真的，那么三个请求中的第三个应该总是最快的，事实并非如此

我认为我面临的第二个问题是实际的数据模型本身。尽管提交查询时提供了所有分区键，但由于它是IN子句，结果将是单独的分区，并且可以分布在集群中，因此，这将是一种糟糕的访问模式。然而，当运行单帐户查询时，我看到这些延迟问题。此外，我看到15-20个帐户的查询执行得非常好（低于50ms），所以我不确定数据模型是否真的是个问题

群集设置：

• 数据中心：2个
• 每个数据中心的节点数：3
• 密钥空间复制：本地\u dc=2，远程\u dc=2

Java驱动程序集：

• 负载平衡：DCAware与LatencyWare
• 协议：v3
• 查询仍然设置为使用“IN”子句，而不是异步单个查询
• 阅读一致性：本地

---

有没有人对我应该关注的问题有什么想法/线索，以便真正确定这个问题的根本原因？

在分区键上使用

中的
始终是个坏主意，即使对于复合分区键也是如此。分区键的值定义了数据在集群中的位置，分区键的不同值很可能会将数据放在不同的服务器上。在这种情况下，协调节点（接收查询的节点）需要联系保存数据的节点，等待这些节点传递结果，然后才将结果发送回您

若您需要查询多个分区键，那个么异步发出单个查询并在客户端收集结果会更快

另外，请注意，当您使用
PreparedStatement
时，TokenAware策略工作得最好-在这种情况下，驱动程序能够提取分区密钥的值，并找到哪个服务器为其保存数据。
相关：谢谢@alex ott。如果IN子句是一个问题，您是否知道如何解释以下内容：“但是，即使运行单帐户查询，我也会看到这些延迟问题。此外，我看到15-20个帐户的查询执行得非常好（低于50毫秒），因此我不确定数据模型是否真的是一个问题。”某些分区上的查询速度慢可能是由以下几个原因造成的：给定分区中有很多逻辑删除、非常大的分区、太多的SSTables等。您可以在给定的表上执行
nodetool tablestats
，查看最大的分区是什么，上次请求中读取了多少逻辑删除，等。
nodetool表格直方图对于获取高百分位数的统计信息也很有用