cassandra高級操作之分頁的java實現（有項目具體需求）

前言

　　接着上篇博客，我們來談談java操作cassandra分頁，需要注意的是這個分頁與我們平時所做的頁面分頁是不同的，具體有啥不同，大家耐着性子往下看。

　　上篇博客講到了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(上一次查詢的最后一條記錄的全部主鍵)，不像mysql那樣靈活，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，那么效率非常低，並且很有可能造成內存溢出，使得整個應用都奔潰。所以了，驅動對結果集進行了分頁，並返回適當的某一頁的數據。

　　路漫漫其修遠兮，吾將上下而求索！

　　github：https://github.com/youzhibing

　　碼雲(gitee)：https://gitee.com/youzhibing

設置抓取大小

　　抓取大小指的是一次從cassandra獲取到的記錄數，換句話說，就是每一頁的記錄數；我們能夠在創建cluster實例的時候給它的fetch size指定一個默認值，如果沒有指定，那么默認是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上也能設置fetch size

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

　　如果statement上設置了fetch size，那么statement的fetch size將起作用，否則則是cluster上的fetch size起作用。

　　注意：設置了fetch size並不意味着cassandra總是返回准確的結果集(等於fetch size)，它可能返回比fetch size稍微多一點或者少一點的結果集。

結果集迭代

　　fetch size限制了每一頁返回的結果集的數量，如果你迭代某一頁，驅動會在后台自動的抓取下一頁的記錄。如下例，fetch size = 20：

 

　　默認情況下，后台自動抓取發生在最后一刻，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接口提供了以下方法：

　　　　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取下一頁，以避免在某一頁迭代完后才抓取下一頁造成的性能下降：

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);
}

保存並重新使用分頁狀態

　　有時候，將分頁狀態保存起來，對以后的恢復是非常有用的，想象一下：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，那么下一頁從這里開始即可。

　　為此，驅動程序會暴露一個PagingState對象，該對象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對象可以被序列化成字符串或字節數組
String string = pagingState.toString();
byte[] bytes = pagingState.toBytes();

　　PagingState對象被序列化后的內容可以持久化存儲起來，也可用作分頁請求的參數，以備后續再次被利用，反序列化成對象即可：

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復使用（相同的查詢，相同的參數）。而且，它是一個不透明的值，只是用來存儲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，驅動程序會拋出錯誤。

　　具體我們來看下代碼，下例是模擬頁面分頁的請求，實現遍歷teacher表中的全部記錄：

　　接口：

import java.util.Map;

import com.datastax.driver.core.PagingState;

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

}

　　主體代碼：

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);
        
        // 第一頁沒有分頁狀態
        if (pagingState != null)
        {            
            st.setPagingState(pagingState);
        }
        
        ResultSet rs = session.execute(st);
        result.put("pagingState", rs.getExecutionInfo().getPagingState());
        
        //請注意，我們不依賴RESULTS_PER_PAGE，因為fetch size並不意味着cassandra總是返回准確的結果集
        //它可能返回比fetch size稍微多一點或者少一點，另外，我們可能在結果集的結尾
        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;
    }
 
}

　　測試代碼：

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對象可以被序列化成字符串或字節數組
            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：

 

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，比如直接跳到第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。如果非要實現偏移查詢，我們可以在客戶端模擬實現。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范圍內，那還是可以實現的。例如，每一頁顯示10行，最多顯示20頁，這就意味着，當顯示第20頁的時候，最多需要額外的多抓取190行，但這也不會對性能造成太大的降低，所以數據量不大的話，模擬實現偏移查詢還是可以的。

　　舉個例子，假設每頁顯示10條記錄，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條記錄，然后讀取10條記錄，最后丟棄剩下的記錄，讀取的10條記錄則是第12頁需要顯示的記錄。

　　我們需要嘗試着找到最佳的fetch size來達到最佳平衡：太小就意味着后台更多的查詢；太大則意味着返回了更大的信息量以及更多不需要的行。

　　另外，cassandra本身不支持偏移量查詢。在滿足性能的前提下，客戶端模擬偏移量的實現只是一種妥協。官方建議如下：

      　　1、使用預期的查詢模式來測試代碼，以確保假設是正確的

      　　2、設置最高頁碼的硬限制，以防止惡意用戶觸發跳過大量行的查詢

總結

　　Cassandra對分頁的支持有限，上一頁、下一頁比較好實現。不支持偏移量的查詢，硬要實現的話，可以采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，而偏移量查詢一旦數據量太大，性能就不敢恭維了。

　　在我的項目中，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實現cassandra表的二級索引，那么就會涉及到索引的一致性修復的問題，這里就用到了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怎么樣實現cassandra的索引功能，在我后續博客中會專門的講解，這里就不多說了。而在cassandra表進行全表遍歷的時候就需要用到分頁，因為表中數據量太大，億級別的數據不可能一次全部加載到內存中。

　　工程附件