该工具通过文件流接口快速导入数据到cassandra集群，是最快地将线下数据迁移到线上cassandra集群方法之一，准备工作如下
线上cassandra集群 线下数据，sstable格式或者csv格式。 同vpc一台独立的ecs，开放安全组，能访问cassandra集群端口
1. 准备同vpc下客户端ecs
建议独立的ecs，不要和线上cassandra集群混用，混用会影响线上服务。
2. 创建schema
$ cqlsh -f schema.cql -u USERNAME -p PASSWORD [host]
3. 准备数据
3.1 sstable数据格式
按data/{table} 格式组织目录，将sstable数据放入目录，如下示例
ls tmp/quote/historical_prices/
md-1-big-CompressionInfo.db md-1-big-Data.db md-1-big-Digest.crc32 md-1-big-Filter.db md-1-big-Index.db md-1-big-Statistics.db md-1-big-Summary.db md-1-big-TOC.txt
我示例中keyspace为quota，table为historical_prices
导入数据
执行sstableloader，在cassandra发行包bin目录下，指定数据目录 data/{table}
${cassandra_home}/bin/sstableloader -d <ip address of the node> data/${ks}/${table}
静等sstable数据导入成功，使用cqlsh检查 bin/cqlsh -u USERNAME -p PASSWORD [host]
$ bin/cqlsh
cqlsh> select * from quote.historical_prices;
ticker | date | adj_close | close | high | low | open | volume
--------+---------------------------------+-----------+-----------+-----------+-----------+-----------+--------
ORCL | 2019-10-29 16:00:00.000000+0000 | 26.160000 | 26.160000 | 26.809999 | 25.629999 | 26.600000 | 181000
ORCL | 2019-10-28 16:00:00.000000+0000 | 26.559999 | 26.559999 | 26.700001 | 22.600000 | 22.900000 | 555000
如果原表有索引执行,执行bin/nodetool rebuild_index
重建索引，具体命令使用参考相关帮助。
3.2 csv数据格式
csv格式数据需要先将csv数据转成sstable格式，cassandra给我们提供了CQLSSTableWriter工具，用于生成生成sstable，其实可以将任意格式数据转化成sstable格式。
因为csv格式也是需要自己预先组织，所以需要自己编写csv格式解析代码，然后编译执行。
该工具使用示例代码如下，完整工具参考git repo：chenjiang1985/cassandra-bulkload-example
Prepare SSTable writer
CQLSSTableWriter.Builder builder = CQLSSTableWriter.builder();
set output directory
builder.inDirectory(outputDir)
set target schema
.forTable(SCHEMA)
set CQL statement to put data
.using(INSERT_STMT)
set partitioner if needed
default is Murmur3Partitioner so set if you use different one.
.withPartitioner(new Murmur3Partitioner());
CQLSSTableWriter writer = builder.build();
//TODO: 读取csv文件，迭代读取每一行
while ((line = csvReader.read()) != null)
{
writer.addRow(ticker,
DATE_FORMAT.parse(line.get(0)),
new BigDecimal(line.get(1)),
new BigDecimal(line.get(2)),
new BigDecimal(line.get(3)),
new BigDecimal(line.get(4)),
Long.parseLong(line.get(6)),
new BigDecimal(line.get(5)));
}
writer.close();
执行自定义程序生成sstable后，照3.1 章节导入数据。
sstableloader原理介绍
sstableloader工具是一个cassandra客户端，集成了datastax driver会拉取cluster tokenMap信息，知道集群partitionKey的sharding情况。整个sstable也是按tokenRange排好序的，在导数据期间，会将文件拆解成不同的tokenRange，以文件流的方式传输到后端的node上。
阅读相关源码，sstableloader也使用了cassandra streamfile接口，这个接口有个明显的可优化点，linux零拷贝技术，目前的实现将sstable中的数据段以对象方式传输到后端node上，涉及了内核层pagecache到用户空间buffer拷贝，我们可以使用mmap技术直接将文件在pagecache层面写到socket fd上，避免了用户态buffer拷贝，减少两次内存拷贝，这被称为linux零拷贝技术。
入群邀约
为了营造一个开放的 Cassandra 技术交流环境，社区建立了微信群公众号和钉钉群，为广大用户提供专业的技术分享及问答，定期开展专家技术直播，欢迎大家加入。另外阿里云提供免费Cassandra试用：https://www.aliyun.com/product/cds
钉钉群入群链接：https://c.tb.cn/F3.ZRTY0o
为了普惠更多的同学，Cassandra技术社区建立【Cassandra微信交流群】微信群由于有100人自由加入限制，欢迎大家加 熊倩 的微信，注明“C*群”，再将大家拉入群。
