范围查询在卡桑德拉

Question

我正在使用Cassandra 2.1.2和相应的DataStax Java驱动程序以及DataStax提供的Object映射.

下表定义:

CREATE TABLE IF NOT EXISTS ses.tim (id text PRIMARY KEY, start bigint, cid int);

映射:

@Table(keyspace = "ses", name = "tim")
class MyObj {
    @PartitionKey
    private String id;
    private Long start;
    private int cid;
}

访问者

@Accessor
interface MyAccessor {
    @Query("SELECT * FROM ses.tim WHERE id = :iid")
    MyObj get(@Param("iid") String id);

    @Query(SELECT * FROM ses.tim WHERE start <= :sstart")
    Result<MyObj> get(@Param("sstart") long start);
}

如访问者中所示,我想做一个返回"start"小于或等于特定值的所有内容的查询.

有了这个表的定义,根本不可能.因此我尝试创建二级索引:

CREATE INDEX IF NOT EXISTS myindex ON ses.tim (start);

这看起来似乎没有用(我读了很多解释为什么它决定不支持这个,但我仍然不明白为什么有人会给出这样的限制,无论如何..)

所以,据我所知,我们必须在WHERE子句中至少有一个等号

@Query(SELECT * FROM ses.tim WHERE cid = :ccid AND start <= :sstart")

CREATE INDEX IF NOT EXISTS myindex2 ON ses.tim (cid);

如果这可行,我将不得不知道cid的所有可能值,并分别查询它们并在客户端上完成其余的...但我得到的错误是

Cannot execute this query as it might involve data filtering and thus may have unpredictable performance

然后我试了

id text, start bigint, cid int, PRIMARY KEY (id, start, cid)

同

@Table(keyspace = "ses", name = "tim")
class MyObj {
    @PartitionKey
    private String id;
    @ClusteringColumn(0)
    private Long start;
    @ClusteringColumn(1)
    private int cid;
}

但仍然没有运气.

此外,我尝试将'start'设置为PartitionKey,但只能再次使用Equals进行查询...

我错过了什么？如何获得此类查询的结果？

编辑:版本更新,以纠正一个

Answer 1

如果对同一组数据有不同的查询能力需求,则可以考虑对数据进行非规范化.根据您的问题,听起来您需要以下内容:

• 查询 id
• 按start<X 查询

当您使用当前架构指示时,第一个查询正常工作.然而,第二个查询无法正常工作,因为没有二级索引,因为您已经调查过的原因会很慢(我总是指向关于二级索引的博客文章).

您表示您不想分区,cid因为您需要知道所有可能的值cid.

我能想到的三个想法:

• 使用虚拟主键创建单独的表,以便将所有数据存储在同一分区中.如果您有许多条目在任何保存该数据的节点上创建超宽分区和热点,则这可能会有问题.你有多少计划？

  create table if not exists tim (
      dummy int, 
      start bigint, 
      id text, 
      cid int, 
      primary key (dummy, start)
  );
  

  然后你可以进行如下查询:

  select * from tim where dummy=0 and start <= 10;
  

• 另一种选择是在原始表上使用ALLOW FILTERING,它仍然会进行昂贵的范围查询并过滤数据.

  select * from tim where start <= 10 ALLOW FILTERING;
  

• 另一种选择是使用类似spark-connector的东西来创建一个生成查询的spark作业.连接器将昂贵的范围查询分解为较小的任务并将数据映射到RDD,从而允许您灵活地进行具有良好性能的更复杂查询.