问题描述
我正在使用dsbulk 1.6.0从cassandra 3.11.3卸载数据。
每次卸载都会导致行数的完全不同。这是在同一群集上连接到同一cassandra主机的3次卸载调用的结果。仅卸载将要附加的表，永远不会删除数据，因此不应该减少卸载的行。集群中有3个cassandra数据库，复制因子为3，因此所有数据都应存在于所选主机上。此外，这些操作是快速连续执行的，添加的行数将是数百（如果有的话）而不是数万。
运行1：
│总计|失败行/秒| p50ms | p99ms | p999ms
│10,937 | 7 | 97 | 15,935.46 | 20,937.97 | 20,937.97
│操作UNLOAD_20201024-084213-097267完成，出现7个错误 1分51秒。
运行2：
│总计|失败行/秒| p50ms | p99ms | p999ms
│60,558 | 3 | 266 | 12,551.34 | 21,609.05 | 21,609.05
│操作UNLOAD_20201025-084208-749105完成，出现3个错误 3分47秒。
运行3：
│总计|失败行/秒| p50ms | p99ms | p999ms
│45,404 | 4 | 211 | 16,664.92 | 30,870.08 | 30,870.08
│操作UNLOAD_20201026-084206-791305已完成，但存在4个错误 3分35秒。
似乎Run 1丢失了大部分数据。 Run 2可能更接近完成，并且Run 3缺少重要数据。
我正在调用卸载，如下所示：
dsbulk unload -h $CASSANDRA_IP -k $KEYSPACE -t $CASSANDRA_TABLE > $DATA_FILE
我假设这不是dsbulk的预期行为。如何配置它以可靠地卸载整个表而没有错误？
解决方法
如果在写入数据时主机不可访问，并且主机没有重播提示，并且您没有定期运行修复程序，则主机中的数据可能会丢失。而且由于默认情况下DSBulk会以一致性级别LOCAL_ONE进行读取，因此不同的主机将提供不同的视图（您提供的主机只是一个联系点-在发现群集拓扑之后，DSBulk将选择基于副本的主机有关负载平衡策略的信息。
您可以通过使用-cl命令行选项（doc）来强制DSBulk以另一个一致性级别读取数据。您可以使用LOCAL_QUORUM或ALL来比较结果-在这些模式下，Cassandra还将“修复”发现的不一致，尽管这会慢得多并且会增加节点的负载，因为修复的数据写入次数。