WedX - журнал о программировании и компьютерных науках

Cassandra: в кластере с несколькими контроллерами домена каждый контроллер домена имеет полный набор данных?

Я думал, что это очевидно: в кластере с несколькими контроллерами домена, пока пространство ключей использует репликацию в каждом контроллере домена, в результате каждый контроллер домена имеет полный набор данных: токены, физические строки и т. д.

Однако при чтении этого документа (ручное восстановление: антиэнтропийное восстановление) меня смущает это утверждение:

Инструмент восстановления nodetool не поддерживает использование -local с параметром -pr, если узлы центра обработки данных не имеют всех данных для всех диапазонов.

Жирный текст (я добавил), кажется, предполагает, что центр обработки данных может не содержать «все данные для всех диапазонов».

Может ли кто-нибудь прояснить это для меня?

25.10.2016

Ответы:


1

Хороший вопрос, документация немного вводит в заблуждение. Каждый центр обработки данных обязательно будет содержать копии всего набора данных, если он реплицируется в этот центр обработки данных. Более четкое примечание было бы

Инструмент восстановления nodetool не поддерживает использование -local с параметром -pr, если на узлах центра обработки данных нет всех копий данных для всех диапазонов.

По сути, параметр -pr попытается восстановить все реплики для определенного диапазона во всем кластере. Но -local ограничит восстановление только локальным центром обработки данных, поэтому они являются конфликтующими вариантами.

26.10.2016
  • Теперь это имеет большой смысл. Спасибо! 28.10.2016
  • Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]