我遇到了卡桑德拉的奇怪问题。我的理解是Cassandra可以扩展插入。这意味着，如果我使用2台服务器的集群获得1500次写入/秒，我可以将其增加到4台服务器并接近1500次写入/秒。我知道写入/ s可能不会随着集群中节点的数量线性增加，但我现在看到在添加更多节点时写入次数没有增加。
我目前的设置是这样的：
批量插入Pycassa，批量大小为20行。 复制因子为2
持久写作有些ColumnFamilies具有普通列，有些列具有宽列，最多可达数十万列。具有宽列的ColumnFamilies的插入插入多个批次，而不是20行，100,000列。
cassandra集群是一个2节点集群，在EC2中使用带有SSD驱动器的m1.xlarge（无raid），并且提交日志与sstables位于同一驱动器上。
我尝试将群集扩展到10个以上的节点，并获得与2个节点相同的性能。我还尝试增加导入数据的实例数量，并且性能相同，只是每次写入操作的延迟高得多。但无论我做什么，我都无法让写入速度超过1500 / s。
答案 0 :(得分：3)
听起来你的客户并没有让Cassandra饱和。如果Cassandra不是CPU，i / o或网络绑定，那么这就是你的问题。
经验法则是，2台Cassandra服务器需要大约1台客户端机器才能在一个副本上使其饱和。 （因此，如果您没有使用像Java这样的“快速”语言，则将客户端数量乘以5-10，大约1：4。对于Python，由于GIL，你还需要付出一些努力来在每台机器中的多个进程之间进行并行化。
TLDR继续添加客户端计算机，直到数字停止上升。
（我还建议使用像OpsCenter这样的东西进行监控，这会突出显示来自例如使用ByteOrderedPartitioner的问题，或者没有在群集中正确地分散请求负载。）