Cassandra 连接器¶

Cassandra 连接器允许查询存储在 Cassandra 或 ScyllaDB 中的数据。

兼容性¶

连接器与所有 Cassandra 版本（从 2.1.5 开始）兼容。最新测试的 ScyllaDB 版本是 5.1.11。

配置¶

要配置 Cassandra 连接器，请创建一个目录属性文件 etc/catalog/cassandra.properties，其中包含以下内容，用 host1,host2 替换用于发现集群拓扑的 Cassandra 节点的逗号分隔列表

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

如果您的 Cassandra 节点没有使用默认端口（9042），您还需要设置 cassandra.native-protocol-port。

对于 ScyllaDB，您无需添加任何其他配置。ScyllaDB 默认使用与 Cassandra 相同的端口。只需在 cassandra.contact-points 配置属性中指向 ScyllaDB 节点即可。

多个 Cassandra 或 ScyllaDB 集群¶

您可以根据需要创建任意数量的目录，因此，如果您有其他 Cassandra(ScyllaDB) 集群，只需将另一个属性文件添加到 etc/catalog 中（确保其以 .properties 结尾）。例如，如果您将属性文件命名为 sales.properties，Presto 将使用配置的连接器创建一个名为 sales 的目录。

配置属性¶

以下配置属性可用

属性名称	描述
`cassandra.contact-points`	Cassandra 集群中主机列表，用逗号分隔。Cassandra 驱动程序将使用这些联系点来发现集群拓扑。至少需要一个 Cassandra 主机。
`cassandra.native-protocol-port`	运行本机客户端协议的 Cassandra 服务器端口（默认值为 `9042`）。
`cassandra.consistency-level`	Cassandra 中的 Consistency Levels 指的是用于读写操作的一致性级别。有关 Consistency Levels 的更多信息，请参阅 Cassandra 一致性文档。此属性默认为 `ONE` 的一致性级别。可能的取值包括 `ALL`、`EACH_QUORUM`、`QUORUM`、`LOCAL_QUORUM`、`ONE`、`TWO`、`THREE`、`LOCAL_ONE`、`ANY`、`SERIAL`、`LOCAL_SERIAL`。
`cassandra.allow-drop-table`	设置为 `true` 以允许通过 Presto 中的 DROP TABLE 删除 Cassandra 表（默认为 `false`）。
`cassandra.username`	用于对 Cassandra 集群进行身份验证的用户名。这是一个全局设置，用于所有连接，而不管连接到 Presto 的用户是谁。
`cassandra.password`	用于对 Cassandra 集群进行身份验证的密码。这是一个全局设置，用于所有连接，而不管连接到 Presto 的用户是谁。
`cassandra.protocol-version`	可以覆盖旧版 Cassandra 集群的协议版本。此属性默认为 `V3`。可能的取值包括 `V2`、`V3` 和 `V4`。

注意

如果启用了授权，则 cassandra.username 必须拥有足够的权限才能在 system.size_estimates 表上执行 SELECT 查询。

以下高级配置属性可用

属性名称	描述
`cassandra.fetch-size`	在 Cassandra 查询中一次获取的行数。
`cassandra.partition-size-for-batch-select`	将单个分区键列表中的分区批量组合到单个选择中的数量。
`cassandra.split-size`	查询 Cassandra 时每个拆分的键数。
`cassandra.splits-per-node`	每个节点的拆分数量。默认情况下，将使用来自 `system.size_estimates` 表的值。仅在连接到 Cassandra 版本 < 2.1.5 时覆盖，该版本缺少 `system.size_estimates` 表。
`cassandra.client.read-timeout`	Cassandra 驱动程序等待 Cassandra 节点查询响应的最长时间。请注意，底层 Cassandra 驱动程序可能会在读超时的情况下对多个节点重试查询。增加此值可能有助于使用索引的查询。
`cassandra.client.connect-timeout`	Cassandra 驱动程序建立与 Cassandra 节点连接的最长时间。增加此值可能有助于负载很高的 Cassandra 集群。
`cassandra.client.so-linger`	如果未发送的数据排队，则关闭时延迟的秒数。如果设置为零，则套接字将立即关闭。当此选项不为零时，套接字将延迟这么多秒，以获取对所有数据已写入对等方的确认。此选项可用于避免在不再需要连接时立即关闭连接，从而在 Cassandra 服务器上消耗套接字。
`cassandra.retry-policy`	用于重试对 Cassandra 的失败请求的策略。此属性默认为 `DEFAULT`。使用 `BACKOFF` 可能有助于在查询失败并显示“没有足够的副本”时。其他可能的取值是 `DOWNGRADING_CONSISTENCY` 和 `FALLTHROUGH`。
`cassandra.load-policy.use-dc-aware`	设置为 `true` 以使用 `DCAwareRoundRobinPolicy`（默认为 `false`）。
`cassandra.load-policy.dc-aware.local-dc`	用于 `DCAwareRoundRobinPolicy` 的本地数据中心的名称。
`cassandra.load-policy.dc-aware.used-hosts-per-remote-dc`	使用每个远程数据中心提供的主机数量作为本地主机的故障转移，用于 `DCAwareRoundRobinPolicy`。
`cassandra.load-policy.dc-aware.allow-remote-dc-for-local`	设置为 `true` 以允许使用远程数据中心的主机来实现本地一致性级别。
`cassandra.load-policy.use-token-aware`	设置为 `true` 以使用 `TokenAwarePolicy`（默认为 `false`）。
`cassandra.load-policy.shuffle-replicas`	设置为 `true` 以使用带有副本混洗的 `TokenAwarePolicy`（默认为 `false`）。
`cassandra.load-policy.use-white-list`	设置为 `true` 以使用 `WhiteListPolicy`（默认为 `false`）。
`cassandra.load-policy.white-list.addresses`	逗号分隔的 `WhiteListPolicy` 主机列表。
`cassandra.no-host-available-retry-timeout`	针对 `NoHostAvailableException` 的重试超时时间（默认为 `1m`）。
`cassandra.speculative-execution.limit`	推测执行的次数（默认为 `1`）。
`cassandra.speculative-execution.delay`	每次推测执行之间的延迟（默认为 `500ms`）。
`cassandra.tls.enabled`	是否启用 TLS 安全（默认为 `false`）。
`cassandra.tls.keystore-path`	PEM 或 JKS 密钥库的路径。
`cassandra.tls.truststore-path`	PEM 或 JKS 信任库的路径。
`cassandra.tls.keystore-password`	密钥库的密码。
`cassandra.tls.truststore-password`	信任库的密码。

查询 Cassandra 或 ScyllaDB 表格¶

users 表是 Cassandra 入门指南中的示例 Cassandra 表格。可以使用 Cassandra 的 cqlsh（CQL 交互式终端）与 mykeyspace keyspace 一起创建该表格

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
              ... );

该表格可以在 Presto 中进行描述

DESCRIBE cassandra.mykeyspace.users;

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

然后，可以在 Presto 中查询该表格

SELECT * FROM cassandra.mykeyspace.users;

数据类型¶

数据类型映射如下所示

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）都可以被指定为 FROZEN，并且其值映射到 VARCHAR。此外，blob 存在不能为空的限制。

表格中未提到的类型不支持（例如，元组或 UDT）。

分区键只能以下列类型存在

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

限制¶

不包含分区键的筛选器查询会导致获取所有分区。这会导致对整个数据集进行完全扫描，因此与包含分区键作为筛选器的类似查询相比，速度要慢得多。
IN 列表筛选器只能应用于索引（即分区键或聚簇键）列。
范围（< 或 > 和 BETWEEN）筛选器只能应用于分区键。