使用ec2数据评估dse 3.1.3 cassandra。
测试设置
5 x m1.xlarge在一个测试中：4vcpus，15g，4x420g示例存储。
5 x hi1.4XL另一个：16vCPU，60g，2x1tb ssd示例存储。
数据
5000多个apache日志文件，~60gb，60mm行。
工作流
通过dse hadoop fs-put加载到cfs中
从带有regexserde的cfs加载到配置单元。
通过键空间日志中的cql在cassandra中创建事件表。
通过insert into logs.event从配置单元插入cassandra。
总的来说，前两个步骤以及基本查询的性能与其他hadoop堆栈相当。能够直接从配置单元中引用cassandra表而不必显式定义外部表是非常好的。
但是，插入操作所花费的时间是其他常见hadoop堆栈的3-4倍。我一定是设置了什么错误，并寻求帮助或建议。
从一个初步的外观来看，很明显，我运行hiveinsert命令的节点的cpu运行速度是12-16，而其他4个节点的cpu运行速度是1-2。而且，写请求都将发送到同一个节点，没有一个发送到其他节点。
我的假设是，hive会将工作分配（向下推）到每个节点，这似乎与常见的hadoop堆栈有关。
否则，密钥是随机的，数据负载在节点间以平衡的方式增长。创建键空间时使用了：

CREATE KEYSPACE logs WITH REPLICATION = { 'class' : 'SimpleStrategy', 'replication_factor' : 1 };

查看jobtracker/任务详细信息，作业在节点之间被分割。但在status列中，似乎所有对cfs的调用都是通过启动作业的节点路由的。

cfs://10.0.0.21/user/hive/warehouse/event/1:2483027968+67108864

我希望这是一个配置问题。我也愿意接受其他建议。但如果这种方法可以像在其他堆栈上一样工作，那么它无疑是非常简单的。