稀疏填充Frozen UDT的写入性能影响及序列化机制咨询

我们在Cassandra 3.11.6版本中，使用包含约2000个字段的frozen UDT作为表的一列，通过追加写入的方式实现可审计、不可覆盖的数据存储。但当仅填充UDT中1个字段（共2000个）时，出现了明显的写入性能下降问题。

我们采用C++ Cassandra驱动及Prepared Statements进行写入操作，尝试从Cassandra会话收集指标但未得到有效信息。经排查定位，性能瓶颈出现在每次绑定UDT时：驱动的check方法会对UDT的所有2000个字段名称进行字符串比较；由于绑定操作超过10万次，累计产生了约1亿次字符串比较，直接拖慢了写入速度。

数据模型 #

CREATE TYPE udt_xyx (
    field1 bigint,
    field2 ...
    ...
    field2000
);

CREATE TABLE table_xyz(
    key_1 text,
    txn_id int,
    fields frozen<udt_xyx>,
    PRIMARY KEY ((key_1), txn_id)
);

工作流程 #

• 接收调用方请求，为指定key_1写入UDT中n个字段（n≤2000）；
• 为该请求分配唯一的txn_id（事务ID）；
• 创建包含2000个字段的UDT对象，仅填充其中n个字段后持久化到表中；
• 同一key_1的新请求（无论字段是否重复）都会分配新的txn_id，作为新记录写入表中，不更新现有UDT记录。

咨询内容 #

1. 稀疏填充frozen UDT会带来哪些具体的性能影响？
2. Cassandra中UDT内部的序列化/反序列化机制是怎样的？
3. 请推荐相关的官方参考文档（无需外链，说明文档章节或名称即可）。

内容的提问来源于stack exchange，提问作者Pratik Kolhe