使用二级索引更新 Cassandra 2.1 中的行

Question

我使用的是 Cassandra 2.1，模型大致如下：

CREATE TABLE events (
  client_id bigint,
  bucket int,
  timestamp timeuuid,
  ...
  ticket_id bigint,
  PRIMARY KEY ((client_id, bucket), timestamp)
);
CREATE INDEX events_ticket ON events(ticket_id);

如您所见，我在 上创建了二级索引ticket_id。这个索引工作正常。events包含大约 1 亿行，而其中只有 500 万行有大约 50,000 个不同的票证。因此，一张门票平均包含 100 个事件。

查询二级索引无需提供分区键，这在我们的情况下很方便。由于该bucket列有时很难事先确定（即您应该知道事件的日期，bucket即当前日期）。

cqlsh> select * from events where ticket_id = 123;

 client_id | bucket | timestamp | ... | ticket_id
-----------+--------+-----------+-----+-----------

(0 rows)

当一张工单的所有事件都需要转移到另一张工单时，如何解决问题？即以下查询将不起作用：

cqlsh> UPDATE events SET ticket_id = 321 WHERE ticket_id = 123;
InvalidRequest: code=2200 [Invalid query] message="Non PRIMARY KEY ticket_id found in where clause"

这是否意味着二级索引不能用于UPDATE？

我应该使用什么模型来支持这些变化？

Answer 1

首先， Cassandra 中的操作处理UPDATE方式INSERT是相同的。它们通俗地称为“UPSERT”。

这是否意味着二级索引不能在 UPDATE 查询中使用？

正确的。如果不指定完整的 PRIMARY KEY，则无法在 Cassandra 中执行 UPSERT。即使具有部分主键的 UPSERT 也不起作用。而且（正如您所发现的）按索引值进行 UPSERT 也不起作用。

当一张工单的所有事件都需要转移到另一张工单时，如何解决问题？

不幸的是，实现此目的的唯一方法是查询events（使用特定的ticket_id）中每一行的键，并ticket_id通过这些键进行 UPSERT。好处是，您不必首先使用DELETE它们，因为ticket_id它不是主键的一部分。

当一张工单的所有事件都需要转移到另一张工单时，如何解决问题？

我认为你最好的计划是放弃二级索引，并创建一个查询表来与你的events表一起工作：

CREATE TABLE eventsbyticketid (
  client_id bigint,
  bucket int,
  timestamp timeuuid,
  ...
  ticket_id bigint,
  PRIMARY KEY ((ticket_id), timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC);

这将允许您快速查询ticket_id（以获取您的client_id、bucket和）。这将为您提供在表上timestamp更新新内容所需的信息。ticket_idevents

然后您还可以执行DELETEby ticket_id（在eventsbyticketid桌子上）。DELETE只要您拥有完整的分区键 ( )，Cassandra 就允许使用部分主键进行操作ticket_id。ticket_id因此，从查询表中删除旧的s 会很容易。为了确保写入原子性，您可以将 UPSERT 一起批处理：

BEGIN BATCH
  UPDATE events SET ticket_id = 321 WHERE client_id=2112 AND bucket='2015-04-22 14:53' AND timestamp=4a7e2730-e929-11e4-88c8-21b264d4c94d;
  UPDATE eventsbyticketid SET client_id=2112, bucket='2015-04-22 14:53' WHERE ticket_id=321 AND timestamp=4a7e2730-e929-11e4-88c8-21b264d4c94d
APPLY BATCH;

这实际上与执行相同：

BEGIN BATCH
  INSERT INTO events (client_id,bucket,timestamp,ticketid) VALUES(2112,'2015-04-22 14:53',4a7e2730-e929-11e4-88c8-21b264d4c94d,321);
  INSERT INTO eventsbyticketid (client_id,bucket,timestamp,ticketid) VALUES(2112,'2015-04-22 14:53',4a7e2730-e929-11e4-88c8-21b264d4c94d,321);
APPLY BATCH;

旁注：timestamp实际上是 Cassandra 中的一种（保留字）数据类型。这使得它成为一个非常糟糕的timeuuid专栏名称。