如何在cassandra中构建范围查询？

Question

CREATE TABLE users ( 
userID uuid, 
firstname text, 
lastname text, 
state text, 
zip int,
age int,
PRIMARY KEY (userID) 
);

我想构造以下查询:

select * from users where age between 30 and 40

select * from users where state in "AZ" AND "WA"

我知道我需要两个表来执行此查询但我不知道应该如何？

编辑

从卡罗的评论中,我发现这是唯一的可能性

CREATE TABLE users ( 
userID uuid, 
firstname text, 
lastname text, 
state text, 
zip int,
age int,
PRIMARY KEY (age,zip,userID) 
);

现在选择年龄在15到30之间的用户.这是唯一的可能性:

select * from users where age IN (15,16,17,....30)

但是,不建议在此使用IN运算符,并且是反模式.

如何在年龄上创建二级指数？

CREATE index users_age ON users(age)

这会有帮助吗？

谢谢

Answer 1

范围查询是一个棘手的问题.执行实际范围查询的方法是使用复合主键,在聚类部分上创建范围.由于范围在群集部分上,因此无法执行您编写的查询:您至少需要在整个分区键上具有相同的条件.我们来看一个例子:

CREATE TABLE users (
  mainland text,
  state text,
  uid int,
  name text,
  zip int,
  PRIMARY KEY ((mainland), state, uid)
) 

uid现在只是为了让测试更容易

insert into users (mainland, state, uid, name, zip) VALUES ( 'northamerica', 'washington', 1, 'john', 98100);
insert into users (mainland, state, uid, name, zip) VALUES ( 'northamerica', 'texas', 2, 'lukas', 75000);
insert into users (mainland, state, uid, name, zip) VALUES ( 'northamerica', 'delaware', 3, 'henry', 19904);
insert into users (mainland, state, uid, name, zip) VALUES ( 'northamerica', 'delaware', 4, 'dawson', 19910);
insert into users (mainland, state, uid, name, zip) VALUES ( 'centraleurope', 'italy', 5, 'fabio', 20150);
insert into users (mainland, state, uid, name, zip) VALUES ( 'southamerica', 'argentina', 6, 'alex', 10840);

现在查询可以执行您所需的操作:

 select * from users where mainland = 'northamerica' and state > 'ca' and state < 'ny';

产量

 mainland    | state    | uid | name   | zip
-------------+----------+-----+--------+-------
northamerica | delaware |   3 |  henry | 19904
northamerica | delaware |   4 | dawson | 19910

如果将int(age,zipcode)作为聚类键的第一列,则可以执行相同的查询来比较整数.

小心:大多数人在看这种情况时开始考虑"好吧,我可以放一个总是相同的假分区键,然后我可以执行范围查询".这是一个巨大的错误,分区键负责跨节点的数据分发.设置修复分区键意味着所有数据将在同一节点(及其副本)中完成.

将世界区域划分为15/20区域(以便具有15/20分区键)是一些但是还不够,只是为了创建一个有效的示例.

编辑:由于问题的编辑

我没有说这是唯一的可能性; 如果您找不到对用户进行分区的有效方法并且需要执行此类查询,则这是一种可能性,而不是唯一的可能性.应在群集密钥部分上执行范围查询.作为分区键的AGE的一个弱点是你不能对它进行更新,任何时候你需要更新用户的年龄你必须执行删除和插入(另一种方法是写一个birth_year/birth_date而不是年龄,然后计算客户端)

要回答关于添加二级索引的问题:实际上对二级索引的查询不支持IN运算符.从CQL消息看起来他们很快就会开发它

错误请求:尚未支持非主键列(xxx)的IN谓词

但是,即使辅助索引支持IN运算符,您的查询也不会改变

select * from users where age IN (15,16,17,....30)

只是为了澄清我的概念:任何没有"干净"和"准备"解决方案的东西都需要用户努力以满足其需求的方式建模数据.举个例子(我不是说这是一个很好的解决方案:我不会用它)

CREATE TABLE users (
  years_range text,
  age int,
  uid int,
  PRIMARY KEY ((years_range), age, uid)
)

放一些数据

insert into users (years_range, age , uid) VALUES ( '11_15', 14, 1);
insert into users (years_range, age , uid) VALUES ( '26_30', 28, 3);
insert into users (years_range, age , uid) VALUES ( '16_20', 16, 2);
insert into users (years_range, age , uid) VALUES ( '26_30', 29, 4);
insert into users (years_range, age , uid) VALUES ( '41_45', 41, 5);
insert into users (years_range, age , uid) VALUES ( '21_25', 23, 5);

查询数据

select * from users where years_range in('11_15', '16_20', '21_25', '26_30') and age > 14 and age < 29;

产量

 years_range | age | uid
-------------+-----+-----
       16_20 |  16 |   2
       21_25 |  23 |   5
       26_30 |  28 |   3

此解决方案可以解决您的问题,并且可以在小型集群中使用,其中大约20个密钥(0_5 ... 106_110)可能具有良好的分布.但是这个解决方案与之前的解决方案一样,不允许更新并减少密钥的分配.优点是你有小的IN套装.

在SI已经允许IN子句的完美世界中,我使用UUID作为分区键,将years_range(设置为birth_year_range)作为SI并"过滤"我的数据客户端(如果对10>年龄> 22感兴趣我会要求IN('1991_1995', '1996_2000', '2001_2005', '2006_2010', '2011_2015')在我的申请中计算和删除无用的年份)

HTH,卡罗