Cassandra 連接器¶

Cassandra 連接器允許查詢儲存在 Cassandra 或 ScyllaDB 中的資料。

相容性¶

連接器與從 2.1.5 開始的所有 Cassandra 版本相容。最新測試的 ScyllaDB 版本為 5.1.11。

組態¶

若要設定 Cassandra 連接器，請建立一個目錄屬性檔案 etc/catalog/cassandra.properties，其內容如下，並將 host1,host2 替換為以逗號分隔的 Cassandra 節點清單，用於探索叢集拓撲

connector.name=cassandra
cassandra.contact-points=host1,host2

如果您的 Cassandra 節點未使用預設連接埠 (9042)，您還需要設定 cassandra.native-protocol-port。

對於 ScyllaDB，您無需新增任何額外的組態。ScyllaDB 預設使用與 Cassandra 相同的連接埠。只需在 cassandra.contact-points 組態屬性中指向 ScyllaDB 節點即可。

多個 Cassandra 或 ScyllaDB 叢集¶

您可以根據需要擁有任意數量的目錄，因此如果您有額外的 Cassandra (ScyllaDB) 叢集，只需在 etc/catalog 中新增另一個具有不同名稱的屬性檔案（確保它以 .properties 結尾）。例如，如果您將屬性檔案命名為 sales.properties，Presto 將使用設定的連接器建立一個名為 sales 的目錄。

組態屬性¶

以下組態屬性可用

屬性名稱	說明
`cassandra.contact-points`	Cassandra 叢集中主機的逗號分隔清單。Cassandra 驅動程式將使用這些聯絡點來探索叢集拓撲。至少需要一個 Cassandra 主機。
`cassandra.native-protocol-port`	執行原生用戶端協定的 Cassandra 伺服器連接埠（預設為 `9042`）。
`cassandra.consistency-level`	Cassandra 中的一致性層級是指讀取和寫入操作所使用的一致性層級。有關一致性層級的詳細資訊，請參閱 Cassandra 一致性文件。此屬性預設為一致性層級 `ONE`。可能的值包括 `ALL`、`EACH_QUORUM`、`QUORUM`、`LOCAL_QUORUM`、`ONE`、`TWO`、`THREE`、`LOCAL_ONE`、`ANY`、`SERIAL`、`LOCAL_SERIAL`。
`cassandra.allow-drop-table`	設定為 `true` 以允許透過 Presto 中的 DROP TABLE 刪除 Cassandra 表格（預設為 `false`）。
`cassandra.username`	用於驗證 Cassandra 叢集的用戶名稱。這是用於所有連線的全域設定，無論連線到 Presto 的使用者是誰。
`cassandra.password`	用於驗證 Cassandra 叢集的密碼。這是用於所有連線的全域設定，無論連線到 Presto 的使用者是誰。
`cassandra.protocol-version`	可以覆寫較舊 Cassandra 叢集的協定版本。此屬性預設為 `V3`。可能的值包括 `V2`、`V3` 和 `V4`。

注意

如果啟用了授權，cassandra.username 必須具有足夠的權限，才能在 system.size_estimates 表格上執行 SELECT 查詢。

以下進階組態屬性可用

屬性名稱	說明
`cassandra.fetch-size`	在 Cassandra 查詢中一次擷取的列數。
`cassandra.partition-size-for-batch-select`	批次處理在一起的分割區數量，用於單一分割區索引鍵資料行的單一選取。
`cassandra.split-size`	查詢 Cassandra 時每個分割的索引鍵數量。
`cassandra.splits-per-node`	每個節點的分割數量。預設情況下，會使用 `system.size_estimates` 表格中的值。僅在連線到缺少 `system.size_estimates` 表格的 Cassandra 版本 < 2.1.5 時覆寫。
`cassandra.client.read-timeout`	Cassandra 驅動程式將等待來自一個 Cassandra 節點的查詢回應的最長時間。請注意，在發生讀取逾時時，基礎的 Cassandra 驅動程式可能會針對多個節點重試查詢。增加此值可能有助於使用索引的查詢。
`cassandra.client.connect-timeout`	Cassandra 驅動程式將等待建立與 Cassandra 節點連線的最長時間。增加此值可能有助於處理負載較重的 Cassandra 叢集。
`cassandra.client.so-linger`	如果未傳送的資料已排隊，則關閉時會停留的秒數。如果設定為零，則會立即關閉通訊端。當此選項為非零時，通訊端會停留那麼多秒，以確認所有資料都已寫入對等端。此選項可用於避免在不再需要連線時立即關閉它們，進而佔用 Cassandra 伺服器上的通訊端。
`cassandra.retry-policy`	用於重試對 Cassandra 的失敗請求的原則。此屬性預設為 `DEFAULT`。當查詢失敗並顯示「複本不足」時，使用 `BACKOFF` 可能有助於解決問題。其他可能的值包括 `DOWNGRADING_CONSISTENCY` 和 `FALLTHROUGH`。
`cassandra.load-policy.use-dc-aware`	設定為 `true` 以使用 `DCAwareRoundRobinPolicy`（預設為 `false`）。
`cassandra.load-policy.dc-aware.local-dc`	`DCAwareRoundRobinPolicy` 的本機資料中心名稱。
`cassandra.load-policy.dc-aware.used-hosts-per-remote-dc`	使用每個遠端資料中心的所提供的主機數量，作為 `DCAwareRoundRobinPolicy` 本機主機的容錯移轉。
`cassandra.load-policy.dc-aware.allow-remote-dc-for-local`	設定為 `true` 以允許對本機一致性層級使用遠端資料中心的主機。
`cassandra.load-policy.use-token-aware`	設定為 `true` 以使用 `TokenAwarePolicy` (預設為 `false`)。
`cassandra.load-policy.shuffle-replicas`	設定為 `true` 以使用具有副本隨機排序的 `TokenAwarePolicy` (預設為 `false`)。
`cassandra.load-policy.use-white-list`	設定為 `true` 以使用 `WhiteListPolicy` (預設為 `false`)。
`cassandra.load-policy.white-list.addresses`	用於 `WhiteListPolicy` 的主機列表，以逗號分隔。
`cassandra.no-host-available-retry-timeout`	用於 `NoHostAvailableException` 的重試逾時時間 (預設為 `1m`)。
`cassandra.speculative-execution.limit`	推測性執行的次數 (預設為 `1`)。
`cassandra.speculative-execution.delay`	每次推測性執行之間的延遲時間 (預設為 `500ms`)。
`cassandra.tls.enabled`	是否啟用 TLS 安全性 (預設為 `false`)。
`cassandra.tls.keystore-path`	PEM 或 JKS 金鑰儲存的路徑。
`cassandra.tls.truststore-path`	PEM 或 JKS 信任儲存的路徑。
`cassandra.tls.keystore-password`	金鑰儲存的密碼。
`cassandra.tls.truststore-password`	信任儲存的密碼。

查詢 Cassandra 或 ScyllaDB 資料表¶

users 資料表是 Cassandra 入門指南中的範例 Cassandra 資料表。可以使用 Cassandra 的 cqlsh (CQL 互動式終端機) 建立此資料表和 mykeyspace 索引鍵空間。

cqlsh> CREATE KEYSPACE mykeyspace
   ... WITH REPLICATION = { 'class' : 'SimpleStrategy', 'replication_factor' : 1 };
cqlsh> USE mykeyspace;
cqlsh:mykeyspace> CREATE TABLE users (
              ...   user_id int PRIMARY KEY,
              ...   fname text,
              ...   lname text
              ... );

此資料表可以在 Presto 中描述

DESCRIBE cassandra.mykeyspace.users;

 Column  |  Type   | Extra | Comment
---------+---------+-------+---------
 user_id | bigint  |       |
 fname   | varchar |       |
 lname   | varchar |       |
(3 rows)

然後可以在 Presto 中查詢此資料表

SELECT * FROM cassandra.mykeyspace.users;

資料類型¶

資料類型對應如下

Cassandra	Presto
ASCII	VARCHAR
BIGINT	BIGINT
BLOB	VARBINARY
BOOLEAN	BOOLEAN
DECIMAL	DOUBLE
DOUBLE	DOUBLE
FLOAT	REAL
INET	VARCHAR(45)
INT	INTEGER
LIST<?>	VARCHAR
MAP<?, ?>	VARCHAR
SET<?>	VARCHAR
TEXT	VARCHAR
TIMESTAMP	TIMESTAMP
TIMEUUID	VARCHAR
VARCHAR	VARCHAR
VARINT	VARCHAR
SMALLINT	INTEGER
TINYINT	INTEGER
DATE	DATE

任何集合 (LIST/MAP/SET) 都可以指定為 FROZEN，並且該值會對應到 VARCHAR。此外，blob 有不能為空的限制。

上表中未提及的類型不受支援 (例如 tuple 或 UDT)。

分割區索引鍵只能是以下類型

ASCII
TEXT
VARCHAR
BIGINT
BOOLEAN
DOUBLE
INET
INT
FLOAT
DECIMAL
TIMESTAMP
UUID
TIMEUUID
SMALLINT
TINYINT
DATE

限制¶

不包含分割區索引鍵的篩選條件的查詢會導致提取所有分割區。這會導致掃描整個資料集，因此與使用分割區索引鍵作為篩選條件的類似查詢相比，速度會慢得多。
IN 列表篩選條件僅允許用於索引 (即分割區索引鍵或叢集索引鍵) 欄位。
範圍篩選條件 (< 或 > 和 BETWEEN) 只能應用於分割區索引鍵。