Perguntas[cassandra](coding)

Li muitos documentos do Cassandra e entendi que temos uma chave de partição, um hash dessa chave usada para dividir dados entre partições e distribuir os dados uniformemente entre os nós.

Mas o que exatamente é partição? É uma tabela, ou algum subconjunto na tabela, ou apenas outro material calculado usado para ordenar linhas no nó? É algo virtual puro, ou alguma entidade real que dá alguma sobrecarga?

É melhor limitar a quantidade de partições? Por exemplo, posso pegar o restante da divisão de uuid e usá-lo como chave de partição, que ainda equaliza os dados entre as partições, mas mantém a contagem de partições baixa, ou posso usar apenas o uuid inteiro?

Tentei identificar o motor (Cassandra, Scylla, AstraDB, CosmosDB, Yugabyte, ...) com base na Cassandra Query Language (CQL). ​​Concentrei-me nas tabelas system.local e system.peers , veja o exemplo:

SELECT release_version FROM system.local;

e

SELECT release_version FROM system.peers;

mas não obtive informações relevantes sobre o sistema/motor. Você resolveu esse problema?

O driver cassandra java 4.17 é compatível com o jdk 21? Estamos planejando migrar nossos servidores para o java 21 e estamos usando o cliente cassandra. Se isso não for suportado, não é uma opção para nós.

Há alguns sinais mistos disponíveis no lado do provedor. Na seção de compatibilidade: https://docs.datastax.com/en/developer/java-driver/4.17/index.html É declarado que o driver requer Java 8 ou superior.

Mas na página do guia de atualização: https://docs.datastax.com/en/developer/java-driver/4.17/upgrade_guide/index.html temos informações de que há suporte beta para Java17.

Já tentei executar o cassandra java driver 4.17 contra o jdk 21 e parece funcionar. Mas gostaria de saber se é seguro usar essa configuração em produção.

Instalei o Astra DB no macOS Sonoma usando Homebrew

brew install datastax/astra-cli/astra-cli

Estou executando astra setupagora, mas recebo o seguinte erro

Exception in thread "main" java.lang.UnsatisfiedLinkError: jdk.internal.io.JdkConsoleImpl.echo(Z)Z [symbol: Java_jdk_internal_io_JdkConsoleImpl_echo or Java_jdk_internal_io_JdkConsoleImpl_echo__Z]
    at org.graalvm.nativeimage.builder/com.oracle.svm.core.jni.access.JNINativeLinkage.getOrFindEntryPoint(JNINativeLinkage.java:152)
    at org.graalvm.nativeimage.builder/com.oracle.svm.core.jni.JNIGeneratedMethodSupport.nativeCallAddress(JNIGeneratedMethodSupport.java:54)
    at [email protected]/jdk.internal.io.JdkConsoleImpl.echo(Native Method)
    at [email protected]/jdk.internal.io.JdkConsoleImpl.readPassword(JdkConsoleImpl.java:101)
    at [email protected]/java.io.ProxyingConsole.readPassword(ProxyingConsole.java:117)
    at com.dtsx.astra.cli.config.SetupCmd.execute(SetupCmd.java:75)
    at com.dtsx.astra.cli.core.AbstractCmd.run(AbstractCmd.java:89)
    at com.dtsx.astra.cli.AstraCli.run(AstraCli.java:280)
    at com.dtsx.astra.cli.AstraCli.main(AstraCli.java:255)
    at [email protected]/java.lang.invoke.LambdaForm$DMH/sa346b79c.invokeStaticInit(LambdaForm$DMH)

Considerando a tabela abaixo, a ordem da chave de partição é aimportante b?

CREATE TABLE t (
  a varchar,
  b int,
  c text,
  PRIMARY KEY ((a,b))
);

Se ativer mais elementos exclusivos, deveria estar na primeira ou na última posição?

Sou novo no Cassandra e estou tendo problemas para tentar descobrir como ordenar meus dados. Estou tentando gravar mensagens do twitch.tv para cada streamer. Eu quero algo como o seguinte

CREATE TABLE IF NOT EXISTS chat_data.twitch_chat_by_broadcaster_and_timestamp (
    broadcaster_id int,
    timestamp int,
    message text,
    PRIMARY KEY (broadcaster_id, timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC);

Embora não seja um problema para um projeto de hobby, como você resolve o problema de duas mensagens serem enviadas exatamente ao mesmo tempo. Estou ciente do TimeUUID, mas quero que as mensagens sejam classificadas pelo carimbo de data e hora de quando foram enviadas, e não parece que existam maneiras oficiais de criar um arquivo TimeUUIDdiferente do now().

Prevejo usar esse banco de dados para obter todas as mensagens em um determinado intervalo de tempo para um determinado fluxo. Sei que poderia adicionar outro UUIDcampo para garantir a exclusividade, mas isso atrapalharia minha consulta, pois preciso especificar um horário exato.

Qual é a maneira correta de ordenar esses dados para permitir consultas eficientes?

Eu tenho 5 nós de máquinas conectados em um sistema de dados distribuído Cassandra. Eu configurei o fator de replicação como 3.

Eu entendi que para uma replicação de 3, os dados serão distribuídos em 3 nós com base na disponibilidade dos nós coordenadores. Quando verifico nós individuais, as contagens de linhas são diferentes. Transferi cerca de 100 mil linhas de csv para cassandra. Isso significa que tenho que fazer contagens de linha para todos os nós juntos para obter os resultados? Estou usando dsbulk para verificar a contagem de linhas.

Estou perdendo alguma coisa aqui?

Criei uma coluna com o tipo de texto e larguei. Então eu queria criar uma coluna com o mesmo nome, mas com o tipo booleano. No entanto, o sistema me disse:

Cannot re-add previously dropped column 'isyoung' of type boolean, \
  incompatible with previous type text

Não encontrei nenhuma informação relevante no site da Cassandra. Eu já havia descartado a coluna, mas não consegui alterar a tabela para adicionar essa coluna de volta.

Não quero reconstruir toda a minha mesa. Como posso alterar o tipo da coluna?