java實作cassandra高階操作之分頁實例（圖）

這篇文章主要介紹了java實作cassandra高階操作之分頁實例（有專案具體需求），具有一定的參考價值，有興趣的小夥伴可以參考一下。

上篇部落格講到了cassandra的分頁，相信大家會有所注意：下一次的查詢依賴上一次的查詢(上一次查詢的最後一筆記錄的全部主鍵)，不像mysql那麼靈活，所以只能實現上一頁、下一頁這樣的功能，不能實現第多少頁那樣的功能（硬要實現的話性能就太低了）。

我們先看看驅動官方給的分頁做法

如果一個查詢得到的記錄數太大，一次性返回回來，那麼效率非常低，並且很有可能造成記憶體溢出，使得整個應用程式都奔潰。所以了，驅動程式對結果集進行了分頁，並傳回適當的某一頁的資料。

一、設定抓取大小（Setting the fetch size）

抓取大小指的是一次從cassandra取得的記錄數，換句話說，就是每一頁的記錄數；我們能夠在建立cluster實例的時候給它的fetch size指定一個預設值，如果沒有指定，那麼預設是5000

// At initialization:
Cluster cluster = Cluster.builder()
  .addContactPoint("127.0.0.1")
  .withQueryOptions(new QueryOptions().setFetchSize(2000))
  .build();

// Or at runtime:
cluster.getConfiguration().getQueryOptions().setFetchSize(2000);

另外，statement上也能設定fetch size

Statement statement = new SimpleStatement("your query");
statement.setFetchSize(2000);

如果statement上設定了fetch size，那麼statement的fetch size將會起作用，否則則是cluster上的fetch size會起作用。

注意：設定了fetch size並不意味著cassandra總是返回準確的結果集(等於fetch size)，它可能會傳回比fetch size稍微多一點或少一點的結果集。

二、結果集迭代

fetch size限制了每一頁傳回的結果集的數量，如果你迭代某一頁，驅動程式會在背景自動的抓取下一頁的記錄。如下例，fetch size = 20：

 

預設情況下，後台自動抓取發生在最後一刻，也就是當某一頁的記錄被迭代完的時候。如果需要更好的控制，ResultSet介面提供了以下方法：

getAvailableWithoutFetching() and isFullyFetched() to check the current state;
fetchMoreResults() to force a page fetch;

以下是如何使用這些方法提前預先取下一頁，以避免在某一頁迭代完後才抓取下一頁造成的效能下降：

ResultSet rs = session.execute("your query");
for (Row row : rs) {
  if (rs.getAvailableWithoutFetching() == 100 && !rs.isFullyFetched())
    rs.fetchMoreResults(); // this is asynchronous
  // Process the row ...
  System.out.println(row);
}

三、儲存並重複使用分頁狀態

有時候，將分頁狀態保存起來，對以後的恢復是非常有用的，想像一下：有一個無狀態Web服務，顯示結果列表，並顯示下一頁的鏈接，當用戶點擊這個鏈接的時候，我們需要執行與之前完全相同的查詢，除了迭代應該從上一頁停止的位置開始；相當於記住了上一頁迭代到了哪了，那麼下一頁從這裡開始即可。

為此，驅動程式會暴露一個PagingState物件，該物件表示下一頁被提取時我們在結果集中的位置。

ResultSet resultSet = session.execute("your query");
// iterate the result set...
PagingState pagingState = resultSet.getExecutionInfo().getPagingState();

// PagingState对象可以被序列化成字符串或字节数组
String string = pagingState.toString();
byte[] bytes = pagingState.toBytes();

PagingState物件被序列化後的內容可以持久化儲存起來，也可用作分頁請求的參數，以備後續再次被​​利用，反序列化成物件即可：

PagingState.fromBytes(byte[] bytes);
PagingState.fromString(String str);

請注意，分頁狀態只能使用完全相同的語句重複使用（相同的查詢，相同的參數）。而且，它是一個不透明的值，只是用來儲存一個可以被重新使用的狀態值，如果嘗試修改其內容或將其使用在不同的語句上，驅動程式會拋出錯誤。

具體我們來看下程式碼，下例是模擬頁面分頁的請求，實作遍歷teacher表中的全部記錄：

介面：

import java.util.Map;

import com.datastax.driver.core.PagingState;

public interface ICassandraPage
{
  Map<String, Object> page(PagingState pagingState);

}

主體程式碼：

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import com.datastax.driver.core.PagingState;
import com.datastax.driver.core.ResultSet;
import com.datastax.driver.core.Row;
import com.datastax.driver.core.Session;
import com.datastax.driver.core.SimpleStatement;
import com.datastax.driver.core.Statement;
import com.huawei.cassandra.dao.ICassandraPage;
import com.huawei.cassandra.factory.SessionRepository;
import com.huawei.cassandra.model.Teacher;

public class CassandraPageDao implements ICassandraPage
{
  private static final Session session = SessionRepository.getSession();
  
  private static final String CQL_TEACHER_PAGE = "select * from mycas.teacher;";
  
  @Override
  public Map<String, Object> page(PagingState pagingState)
  {
    final int RESULTS_PER_PAGE = 2;
    Map<String, Object> result = new HashMap<String, Object>(2);
    List<Teacher> teachers = new ArrayList<Teacher>(RESULTS_PER_PAGE);

    Statement st = new SimpleStatement(CQL_TEACHER_PAGE);
    st.setFetchSize(RESULTS_PER_PAGE);
    
    // 第一页没有分页状态
    if (pagingState != null)
    {      
      st.setPagingState(pagingState);
    }
    
    ResultSet rs = session.execute(st);
    result.put("pagingState", rs.getExecutionInfo().getPagingState());
    
    //请注意，我们不依赖RESULTS_PER_PAGE，因为fetch size并不意味着cassandra总是返回准确的结果集
    //它可能返回比fetch size稍微多一点或者少一点，另外，我们可能在结果集的结尾
    int remaining = rs.getAvailableWithoutFetching();
    for (Row row : rs)
    {
      Teacher teacher = this.obtainTeacherFromRow(row);
      teachers.add(teacher);
      
      if (--remaining == 0) 
      {
        break;
      }
    }
    result.put("teachers", teachers);
    return result;
  }

  private Teacher obtainTeacherFromRow(Row row)
  {
    Teacher teacher = new Teacher();
    teacher.setAddress(row.getString("address"));
    teacher.setAge(row.getInt("age"));
    teacher.setHeight(row.getInt("height"));
    teacher.setId(row.getInt("id"));
    teacher.setName(row.getString("name"));
    
    return teacher;
  }
 
}

測試程式碼：

import java.util.Map;

import com.datastax.driver.core.PagingState;
import com.huawei.cassandra.dao.ICassandraPage;
import com.huawei.cassandra.dao.impl.CassandraPageDao;

public class PagingTest
{
  
  public static void main(String[] args)
  {
    ICassandraPage cassPage = new CassandraPageDao();
    Map<String, Object> result = cassPage.page(null);
    PagingState pagingState = (PagingState) result.get("pagingState");
    System.out.println(result.get("teachers"));
    while (pagingState != null)
    {
      // PagingState对象可以被序列化成字符串或字节数组
      System.out.println("==============================================");
      result = cassPage.page(pagingState);
      pagingState = (PagingState) result.get("pagingState");
      System.out.println(result.get("teachers"));
    }
  }
  
}

我們來看看Statement的setPagingState(pagingState)方法：

#四、偏移查詢

保存分頁狀態，能夠保證從某一頁移動到下一頁很好地運行（也可以實現上一頁），但是它不滿足隨機跳躍，例如直接跳到第10頁，因為我們不知道第10頁的前一頁的分頁狀態。像這樣需要偏移查詢的特點，並不被cassandra原生支持，理由是偏移查詢效率低下(性能與跳過的行數呈線性反比)，所以cassandra官方不鼓勵使用偏移量。如果非要實作偏移查詢，我們可以在客戶端模擬實作。但是性能還是呈線性反比，也就說偏移量越大，性能越低，如果性能在我們的接受範圍內，那還是可以實現的。例如，每一頁顯示10行，最多顯示20頁，這就意味著，當顯示第20頁的時候，最多需要額外的多抓取190行，但這也不會對效能造成太大的降低，所以資料量不大的話，模擬實作偏移查詢還是可以的。

舉個例子，假設每頁顯示10筆記錄，fetch size 是50，我們請求第12頁(也就是第110行到第119行)：

1、第一次執行查詢，結果集包含0到49行，我們不需要用到它，只需要分頁狀態；

2、用第一次查詢得到的分頁狀態，執行第二次查詢；

3、用第二次查詢得到的分頁狀態，執行第三次查詢。結果集包含100到149行；

4、用第三次查詢得到的結果集，先過濾掉前10筆記錄，然後讀取10筆記錄，最後丟棄剩下的記錄，讀取的10筆記錄則是第12頁需要顯示的記錄。

我們需要嘗試著找到最佳的fetch size來達到最佳平衡：太小就意味著後台更多的查詢；太大則意味著返回了更大的信息量以及更多不需要的行。

另外，cassandra本身不支援偏移量查詢。在滿足效能的前提下，客戶端模擬偏移的實作只是一種妥協。官方建議如下：

1、使用預期的查詢模式來測試程式碼，以確保假設是正確的

2、設定最高頁碼的硬限制，以防止惡意使用者觸發跳過大量行的查詢

五、總結

Cassandra對分頁的支援有限，上一頁、下一頁比較好實現。不支援偏移量的查詢，硬要實現的話，可以採用客戶端模擬的方式，但是這種場景最好不要用在cassandra上，因為cassandra一般而言是用來解決大數據問題，而偏移量查詢一旦資料量太大，效能就不敢恭維了。

在我的專案中，索引修復用到了cassandra的分頁，場景如下：cassandra的表不建二級索引，用elasticsearch實作cassandra表的二級索引，那麼就會涉及到索引的一致性修復的問題，這裡就用到了cassandra的分頁，對cassandra的某張表進行全表遍歷，逐條與elasticsearch中的數據進行匹對，若elasticsearch中不存在，則在elasticsearch中新增，若存在而又不一致，則在elasticsearch中修復。具體elasticsearch怎麼樣實作cassandra的索引功能，在我後續部落格中會專門的講解，這裡就不多說了。而在cassandra表進行全表遍歷的時候就需要用到分頁，因為表中資料量太大，億級別的資料不可能一次全部載入到記憶體中。

以上是java實作cassandra高階操作之分頁實例（圖）的詳細內容。更多資訊請關注PHP中文網其他相關文章！