Mapreduce 如何评估卡桑德拉的表现？

我是新来卡桑德拉的。我在Cassandra数据库上学习并进行了一些测试，我发现了一些问题：

鉴于Cassandra鼓励数据的非规范化和重复，当多个列族中的数据仅从其中一个列族更新时，如何保证数据一致性

表中的列数会影响查询性能吗

确实，查询返回的记录数越多，其性能就越差

在Cassandra中使用mapreduce在什么情况下有用

鉴于Cassandra鼓励非规范化和复制
数据，当存在于多个列族中的数据是
仅从其中一个列族更新数据一致性 保证

这正是卡桑德拉引入的原因。即使使用批处理，您仍然处于分布式系统中，在建模数据时也需要这样考虑。既然你没有具体的问题，我们就继续从理论上讲

表中的列数会影响查询性能吗

与其说是列的数量，不如说是每个分区的大小。分区越大，卡桑德拉的一些内部机制（如压缩）就越难工作。如果您不熟悉数据是如何存储在磁盘上的，我建议您看看本教程

确实，查询返回的记录数越多， 它的性能更差

这是物理。更多数据=更多IO、带宽、GC要收集的对象等。鉴于Cassandra是作为事务数据存储构建的，它不是为超大数据返回/全表扫描构建的（真正分布式的系统很少）。上面链接的教程很好地解释了这一点

在Cassandra中使用mapreduce在什么情况下有用

如果您对在Cassandra上运行分析感兴趣，我建议您使用Spark，因为在商业和开源级别上，Spark和Cassandra的关系都有很多优化工作。当你们对Cassandra的工作方式感到满意时，若你们对Cassandra有兴趣的话，我建议你们看看这个教程。它谈到了商业产品，但概念/教程也将适用于开放源码

如果您的意思是如何在Cassandra中支持非规范化数据的一致性，那么答案是-仅使用自定义逻辑。但一旦Cassandra不支持事务（在关系数据库中的事务，而不是原子操作的意义上），这将是一项相当困难的任务。实际上，如果您需要相关数据处于强一致状态，那么应该使用关系数据库

它在某种程度上，但并没有太多的考虑。

这可能取决于查询本身，但在一般情况下，性能会下降，因为需要通过网络传输更多数据

例如，当您想要执行完整表扫描时，将MapReduce与Cassandra结合使用可能会很有用。这与查询未索引字段时关系数据库所做的非常相似。他们对字段值进行全扫描比较。不过，MapReduce逻辑可能更复杂。例如，出于分析目的

---

关于第一个问题，如果我有两个表，A和B，具有相同的数据和相同的列，只是主键不同。如果我更改表a中某一行的值，则此更改可能也会在表B中传播？嗨，彼得-还没有。在我看到的一些JIRA的基础上，这些方面有了一些发展，但就目前而言，必须同时（从应用程序）进行更新，以保持表之间的一致性。