Cassandra（或锡拉）的好处之一是：
当一个表有多个聚类列时，数据以嵌套排序顺序存储。https://docs.datastax.com/en/dse/6.0/cql/cql/cql_using/whereclustering.html
因此，我认为以同样的排序顺序读取数据应该非常快。
如果数据的写入顺序与聚类列指定的顺序不同，那么cassandra（或scylla）实际何时对数据重新排序？
是在memtables被刷新到sstables的时候吗？
如果一个memtable已经被刷新了，我添加了一个新的记录，这个记录应该在现有sstable中的记录之前呢？
它是否会让磁盘上的数据暂时无序，并在压缩过程中重新排序？
如果是这样，它会采取什么步骤来确保读取的顺序正确？
2条答案
按热度按时间nbewdwxp1#
数据总是在任何给定的sstable中排序。
当一个memtable被刷新到磁盘时，它将创建一个新的sstable，并在它自己内部进行排序。这是自然发生的，因为memtables按排序顺序存储数据，所以此时不需要额外的排序。排序发生在插入memtable时。
使用自然排序的读取必须从与读取相关的所有sstable中读取，将多个排序结果合并为一个排序结果。这种合并是在内存中进行的。
压缩启动后，将用一个sstable替换多个sstable，创建一个合并流，就像常规读取一样。
这种存储数据的技术称为日志结构的合并树。
yvgpqqbh2#
数据在压缩过程中被重新排序。
基本上，任何写操作都只是一个附加操作，以达到非常快的速度。不涉及阅读或搜索。
在读取数据时，cassandra正在从活动memtable和一个或多个sstable读取数据。聚合数据并满足查询。
由于数据分发可能需要访问越来越多的sstable，压缩的作用是重新组织磁盘上的数据，因此它将消除从多个sstable读取数据的潜在开销。值得一提的是，sstables是不可变的，并且会创建新的sstables。旧的被丢弃了。
这个过程在锡拉和Cassandra都是相似的。