cassandra 中的主键和索引

Question

cassandra 新手，仍在学习中。

create table url (
  id_website int,
  url varchar,
  data varchar,
  primary key(url, id_website)
);

嗨，我有一个网站的网址表。

我不希望所有 url 都在同一个节点上，这就是为什么主键首先是 url，所以它将是分区键。

大多数情况下，我将检索特定 url 的数据，例如：“url = ? 和 id_website = ?”

但是，当我想检索网站的部分/所有 url 时，性能如何：

select * from url where id_website = 1 allow filtering limit XX;

我认为此查询将在所有节点上分派，然后对 id_website=1 进行表扫描，直到达到限制，然后合并并发回我的客户端。

但是这种扫描是使用索引并有效还是一一读取 id_website 列的值并进行比较（无效）？我确实设置了主键的 id_website 部分，所以我希望它被索引，但我真的不知道。

我们是否在 cassandra 上有一些工具，比如 mysql 的 EXPLAIN 来检查查询是否使用索引。

谢谢。

——

编辑

以 id_website 作为分区键创建第二个表（并批量写入/删除）

我不想使用这个解决方案，因为我可能有一个或两个非常庞大的网站，并且有数百万个网址（还有数百万个网址很少的其他网站）。

如果我在 id_website 上有一个分区键，并且这两个或三个网站停留在同一个节点上，则可能会导致存储问题，或者处理这些网站的节点可能被请求过多而其他网站一无所获。我想将数据传播到所有节点。这就是为什么我坚持要在 url 上进行分区。

您在 id_website 上创建二级索引（它为您创建一个表）

这个解决方案怎么样？如果我理解，每个节点都会有一个表索引它基于 id_website 存储的行（所以不是其他节点的行）。所以我可以将我的 url 分布在许多节点上，我不会让一个节点处理包含特定网站的所有 url 的大索引。

现在当我使用我的查询

select * from url where id_website = 1 allow filtering limit XX;

每个节点收到查询，但是这次不用遍历分区（url 列），可以直接在索引中查找属于id_website 的url，并返回行（或者什么都不返回）。对 ？

这个解决方案的反面是每次请求完成时，它都会命中每个节点，但是，由于新的索引，它应该很快？

Answer 1

你走对了。使用允许过滤，您只是要求 cassandra 扫描所有节点：非常无效。id_website已在每个分区内建立索引，但由于您没有告诉 Cassandra 去哪里，他必须访问所有分区（所有节点），即使是那些不包含所选信息id_website的分区——一旦 Cassandra 命中一个分区，就知道如何查找这些信息和不需要扫描整个分区来取回数据。

要在 Cassandra 中解决这个问题，您必须进行非规范化，在这种情况下，您可以通过两种可能的方式进行处理：

1. 以 id_website 作为分区键创建第二个表（并批量写入/删除）
2. 您在 id_website 上创建二级索引（它为您创建一个表）

**根据问题编辑**

你说的是对的：二级索引作为“本地索引”处理——每个节点只为它拥有的数据创建一个本地索引表。以下是关于二级索引的好读物（你已经理解了）

创建索引后，您必须ALLOW FILTERING从查询中删除。

HTH, 卡罗