Bloom Filter(查找数据可能对应的SSTable)
首先,Cassandra 检查 Bloom filter 去发现哪个 SSTables 中有可能有请求的分区数据。Bloom filter 是存储在堆外内存。每个 SSTable 都有一个关联的 Bloom filter。一个Bloom filter 可以建
立一个 SSTable 没有包含的特定的分区数据。同样也可以找到分区数据存在 SSTable 中的可能性。
它可以加速查找 partition key 的查找过程。然而,因为 Bloom filter 是一个概率函数,所以可能会得到错误的结果,并不是所有的 SSTables 都可以被 Bloom filter 识别出是否有数据。如果
Bloom filter 不能够查找到 SSTable,Cassandra 会检查 partition key cache。Bloom filter 大小增长很适宜,每 10 亿数据 1~2GB。在极端情况下,可以一个分区一行。都可以很轻松的将数十
亿的 entries 存储在单个机器上。Bloom filter 是可以调节的,如果你愿意用内存来换取性能。
Partition Key Cache(查找数据可能对应的 Partition key)
partition key 缓存如果开启了,将 partition index 存储在堆外内存。key cache 使用一小块可配置大小的内存。在读的过程中,每个”hit”保存一个检索。如果在 key cache 中找到了 partition
key。就直接到 compression offset map 中招对应的块。partition key cache 热启动后工作的更好,相比较冷启动,有很大的性能提升。如果一个节点上的内存非常受限制,可能的话,需要限
制保存在 key cache中的partition key 数目。如果一个在 key cache 中没有找到 partition key。
就会去partition summary中去找。partition key cache大小是可以配置的,意义就是存储在key cache中的 partition keys 数目。
Partition Summary(内存中存储一些 partition index的样本)
partition summary 是存储在堆外内存的结构,存储一些 partition index 的样本。如果一个 partition index 包含所有的 partition keys。鉴于一个 partition summary 从每 X 个 keys 中取
样,然后将每X个key map到index文件中。例如,如果一个partition summary设置了20keys 进行取样。它就会存储 SSTable file 开始的一个 key,20th 个 key,以此类推。尽管并不知道
partition key 的具体位置,partition summary 可以缩短找到 partition 数据位置。当找到了 partition key 值可能的范围后,就会去找 partition index。通过配置取样频率,你可以用内存来
换取性能,当 partition summary 包含的数据越多,使用的内存越多。可以通过表定义的 index interval 属性来改变样本频率。固定大小的内存可以通过 index_summary_capacity_in_mb 属性
来设置,默认是堆大小的5%。
Partition Index(磁盘中)
partition index 驻扎在磁盘中,索引所有 partition keys 和偏移量的映射。如果 partition summary 已经查到partition keys 的范围,现在的检索就是根据这个范围值来检索目标 partition
key。需要进行单次检索和顺序读。根据找到的信息。然后去 compression offset map 中去找磁盘中有这个数据的块。如果 partition index 必须要被检索,则需要检索两次磁盘去找到目标数据。
Compression offset map(磁盘中)
compression offset map 存储磁盘数据准确位置的指针。存储在堆外内存,可以被 partition key cache或者 partition index 访问。一旦 compression offset map 识别出来磁盘中的数据位置,
就会从正确的SStable(s)中取出数据。查询就会收到结果集。
全站分卷索引 · 248 卷
- 12. JVM
- 22.1. 线程
- 32.2. JVM内存区域
- 42.2.1. 程序计数器(线程私有)
- 52.2.3. 本地方法区(线程私有)
- 62.3. JVM运行时内存
- 71:eden、servicorFrom 复制到ServicorTo,年龄+1
- 82.4. 垃圾回收与算法
- 92.4.2. 标记清除算法(Mark-Sweep)
- 102.4.4. 标记整理算法(Mark-Compact)
- 112.4.5. 分代收集算法
- 122.5. JAVA 四中引用类型
- 132.6.2. 分区收集算法
- 142.7.3. Parallel Scavenge收集器(多线程复制算法、高效)
- 152.7.5. Parallel Old收集器(多线程标记整理算法)
- 162.7.6.2. 并发标记
- 172.8.2. 非阻塞IO模型
- 182.8.4. 信号驱动IO模型
- 192.8.2. JAVA NIO
- 202.8.2.1. NIO的缓冲区
- 212.8.3. Channel
- 222.9. JVM 类加载机制
- 232.9.1.5. 符号引用
- 242.9.2.1. 启动类加载器(Bootstrap ClassLoader)
- 252.9.4. OSGI(动态模型系统)
- 263. JAVA集合
- 273.2. List
- 283.3. Set
- 293.3.1.2. TreeSet(二叉树)
- 303.4. Map
- 313.4.1.2. JAVA8实现
- 323.4.2.3. 并行度(默认16)
- 333.4.3. HashTable(线程安全)
- 344. JAVA多线程并发
- 354.1.2.3. ExecutorService、Callable<Class>、Future有返回值线程
- 364.1.2.4. 基于线程池的方式
- 374.1.3.1. newCachedThreadPool
- 384.1.3.3. newScheduledThreadPool
- 394.1.4.2. 就绪状态(RUNNABLE):
- 404.1.5. 终止线程4种方式
- 414.1.5.4. stop方法终止线程(线程不安全)
- 424.1.7. start与run区别
- 434.1.9. JAVA锁
- 44自旋锁的开启
- 454.1.9.5. ReentrantLock
- 46公平锁
- 47Condition类和Object类锁方法区别区别
- 48Semaphore 与ReentrantLock
- 494.1.9.9. 公平锁与非公平锁
- 504.1.9.12. 重量级锁(Mutex Lock)
- 51减少锁持有时间
- 524.1.10.1. 线程等待(wait)
- 534.1.10.5. Join等待其他线程终止
- 544.1.11. 线程上下文切换
- 554.1.11.6. 上下文切换的活动:
- 564.1.13.3. 拒绝策略
- 574.1.14. JAVA阻塞队列原理
- 584.1.14.1. 阻塞队列的主要方法
- 59获取数据操作:
- 604.1.14.3. ArrayBlockingQueue(公平、非公平)
- 614.1.14.7. SynchronousQueue(不存储数据、可用于传递数据)
- 624.1.15. CyclicBarrier、CountDownLatch、Semaphore的用法
- 634.1.15.3. Semaphore(信号量-控制同时访问的线程个数)
- 644.1.16. volatile关键字的作用(变量可见性、禁止重排序)
- 654.1.17. 如何在两个线程之间共享数据
- 66Runnable对象作为一个类的内部类
- 674.1.18. ThreadLocal作用(线程本地存储)
- 68使用场景
- 694.1.19.2. 两者的不同点:
- 70ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成
- 714.1.21.3. JVM的线程调度实现(抢占式调度)
- 724.1.22.2. 高优先权优先调度算法
- 734.1.22.3. 基于时间片的轮转调度算法
- 744.1.23.2. 原子包 java.util.concurrent.atomic(锁自旋)
- 754.1.23.3. ABA问题
- 76Exclusive独占资源-ReentrantLock
- 77同步器的实现是ABS核心(state资源状态计数)
- 785. JAVA基础
- 795.1.1.3. 异常的处理方式
- 805.1.2. JAVA反射
- 81的编译时类型无法获取具体方法
- 825.1.2.7. 创建对象的两种方法
- 835.1.3. JAVA注解
- 845.1.3.3. 注解处理器
- 855.1.4. JAVA内部类
- 865.1.4.2. 成员内部类
- 875.1.4.4. 匿名内部类(要继承一个父类或者实现一个接口、直接使用new来生成一个对象的引用)
- 885.1.5. JAVA泛型
- 895.1.5.3. 类型通配符?
- 90序列化并不保存静态变量
- 915.1.7.3. 深复制(复制对象和其应用对象)
- 926. Spring 原理
- 936.1.2. Spring 核心组件
- 946.1.4. Spring 主要包
- 956.1.6. Spring 第三方结合
- 966.1.7. Spring IOC原理
- 971.1..1.1.1 BeanDefinitionRegistry注册表
- 981.1..1.1.6 AutowireCapableBeanFactory自动装配
- 99WebApplication体系架构
- 100prototype:原型模式每次使用时创建
- 101ApplicationContextAware实现
- 1026.1.7.6. Spring 依赖注入四种方式
- 103setter方法注入
- 1046.1.7.7. 5种不同方式的自动装配
- 1056.1.8. Spring APO原理
- 1066.1.8.1. AOP两种代理方式
- 107CGLib动态代理
- 1086.1.9. Spring MVC原理
- 109Http请求到DispatcherServlet
- 1106.1.10. Spring Boot原理
- 1116.1.11.1. 分布式事务
- 1126.1.11.1. 两阶段提交
- 1136.1.12. Mybatis缓存
- 1146.1.12.1. Mybatis的一级缓存原理(sqlsession级别)
- 115具体使用需要配置:
- 1167. 微服务
- 1177.1.1.3. 客户端发现
- 1187.1.1.4. 服务端发现
- 1197.1.2.1. 请求转发
- 1207.1.2.5. 安全认证
- 1217.1.6. 服务熔断(Hystrix)
- 1227.1.6.1. Hystrix断路器机制
- 1238. Netty 与RPC
- 1248.1.2.1. 异步通讯NIO
- 1258.1.2.2. 零拷贝(DIRECT BUFFERS使用堆外直接内存)
- 126Reactor多线程模型
- 1278.1.2.5. 无锁设计、线程绑定
- 128小包封大包,防止网络阻塞
- 1298.1.3.1. 消息编解码
- 130序列化
- 131监听消息的线程收到消息,找到callback上的锁并唤醒
- 1328.1.5. Protoclol Buffer
- 1338.1.5.1. 特点
- 1349. 网络
- 1359.1.2. TCP/IP原理
- 1369.1.3. TCP三次握手/四次挥手
- 1379.1.3.2. 三次握手
- 1389.1.3.3. 四次挥手
- 1399.1.4. HTTP原理
- 1402:封装HTTP请求数据包
- 1419.1.4.3. HTTPS
- 142建立连接获取证书
- 1439.1.5.2. 负载均衡系统:
- 14410. 日志
- 14510.1.4. ELK
- 14611. Zookeeper
- 14711.1.1.1. ZAB协议
- 148Discovery(发现阶段-接受提议、生成epoch、接受epoch)
- 14911.1.2. Zookeeper工作原理(原子广播)
- 15012. Kafka
- 15112.1.2.2. 数据文件分段segment(顺序读写、分段命令、二分查找)
- 15212.1.3.2. 批量发送
- 15312.1.1.1. Consumer Group
- 15413. RabbitMQ
- 15513.1.2.1. Message
- 15613.1.2.10. Broker
- 15713.1.3.3. topic 交换器(模式匹配)
- 15814. Hbase
- 15914.1.3. Hbase核心概念
- 16014.1.4.1. Client:
- 16114.1.4.5. Region寻址方式(通过zookeeper .META)
- 16214.1.5. Hbase的写逻辑
- 163全局内存控制
- 16415. MongoDB
- 16516. Cassandra
- 166虚拟节点(down机多节点托管)
- 167Gossip节点的通信方式及收敛性
- 16816.1.6. 数据写请求和协调者
- 16916.1.8. 数据存储(CommitLog、MemTable、SSTable)
- 17016.1.10. 数据读写
- 171墓碑
- 172行缓存和键缓存请求流程图
- 173Bloom Filter(查找数据可能对应的SSTable)
- 17417. 设计模式
- 17517.1.21. 状态模式
- 17618. 负载均衡
- 177haproxy:天生负载均衡技能,全面支持七层代理,会话保持,标记,路径转移;
- 17818.1.2.6. 最少连接数均衡(Least Connection)
- 17918.1.3. LVS
- 18018.1.3.1. LVS NAT 模式
- 18118.1.3.2. LVS DR 模式(局域网改写mac地址)
- 18218.1.3.3. LVS TUN 模式(IP封装、跨网段)
- 18318.1.3.4. LVS FULLNAT模式
- 18418.1.4. Keepalive
- 18518.1.5.1. upstream_module和健康检测
- 18618.1.6. HAProxy
- 18719. 数据库
- 18819.1.1.3. TokuDB(Fractal Tree-节点带数据)
- 18919.1.2.1. 常见索引原则有
- 19019.1.3.3. 第三范式(3rd NF- 不存在对非主键列的传递依赖)
- 191隔离性(Isolation)
- 19219.1.7.2. 悲观锁
- 19319.1.10. 分区分表
- 19419.1.11.1. 准备阶段
- 19519.1.12. 三阶段提交协议
- 196异步确保型
- 19719.1.14. CAP
- 19820. 一致性算法
- 1991.崩溃恢复:主要就是Leader选举过程
- 20020.1.3.3. 选举(Election)
- 20120.1.4. NWR
- 20220.1.6. 一致性Hash
- 203考察cache 的变动
- 20421. JAVA算法
- 20521.1.3. 插入排序算法
- 20621.1.4. 快速排序算法
- 20721.1.1. 希尔排序算法
- 20821.1.2. 归并排序算法
- 20921.1.3. 桶排序算法
- 21021.1.4. 基数排序算法
- 21121.1.5. 剪枝算法
- 21222. 数据结构
- 21322.1.4. 散列表(Hash Table)
- 21422.1.5.2. 删除操作
- 21522.1.5.3. 查询操作
- 21622.1.6.1. 右旋
- 21722.1.6.1. 添加
- 21822.1.6.2. 删除
- 21922.1.7. B-TREE
- 22022.1.8. 位图
- 22123. 加密算法
- 22223.1.3. CRC
- 22324. 分布式缓存
- 22425. Hadoop
- 22525.1.3. MapReduce
- 22625.1.3.3. TaskTracker
- 22725.1.4. Hadoop MapReduce 作业的生命周期
- 22826. Spark
- 22926.1.3. 核心组件
- 23026.1.5. SPARK计算模型
- 23126.1.6. SPARK运行流程
- 2321. 构建Spark Application的运行环境,启动SparkContext
- 233(2)RDD的两种操作算子(转换(Transformation)与行动(Action))
- 23427. Storm
- 23527.1.1.4. Task
- 23627.1.2.5. Stream
- 23727.1.3.3. Task(最终运行spout或bolt中代码的单元)
- 23827.1.4.1. huffle Grouping
- 23927.1.4.4. Global grouping
- 24028. YARN
- 24128.1.4. ApplicationMaster
- 24228.1.5. YARN运行流程
- 24329. 机器学习
- 24430. 云计算
- 24530.1.4.2. Namespaces
- 24630.1.4.3. 进程(CLONE_NEWPID 实现的进程隔离)
- 24730.1.4.5. 资源隔离与CGroups
- 24830.1.5. Openstack