将高度重复的数据插入cassandra的最佳方法

我会选择1,然后调整压缩策略。选项2将向集群添加更多的负载,因为读取总是比写入慢,如果在您的情况下,当前面的数据仍在memtable中时发生插入,那么它们将被直接覆盖(因此您也可以考虑调整memtable)。

如果你有很高的读/写比率,你可以进行分层压缩-它可以更适合这个用例。如果比率不是很高,则保留默认的压缩策略。

但无论如何,您需要调整压缩:

1. 减少 gc_grace_period 达到可接受的值,这取决于您能以多快的速度恢复关闭的节点;
2. 更改表选项,如 tombstone_compaction_interval ( doc ),也许 unchecked_tombstone_compaction (二)
3. 你也可以调到像, concurrent_compactors &安培 compaction_throughput_mb_per_sec 以执行更具攻击性的压缩。