Question

我们正在使用Cassandra进行日志收集。每小时约150,000 - 250,000条新记录。我们的列系列有几个列，如'host'，'errorlevel'，'message'等，以及特殊的索引列'indexTimestamp'。此列包含四舍五入到小时的时间。

所以，当我们想得到一些记录时，我们使用get_indexed_slices（）和indexTime表示的第一个IndexExpression（带有EQ运算符），然后使用其他一些IndexExpressions - by host，errorlevel等。

仅通过indexTimestamp获取记录时一切正常。但是，当通过indexTimestamp获取记录时，例如，host-cassandra可以工作很长时间（超过15-20秒）并抛出超时异常。

据我了解，当通过索引列和非索引列获取记录时，Cassandra首先通过索引列获取所有记录，然后通过非索引列过滤它们。

那么，为什么Cassandra这么慢呢？通过indexTimestamp，记录不超过250,000条。是不是可以在10秒内过滤它们？

我们的Cassandra集群在一台机器（Windows 7）上运行，具有4个CPU和4 GB内存。

Answer 1

你必须记住，Cassandra对这种疑问非常糟糕。索引列查询不适用于大表。如果您想围绕此类查询搜索数据，则必须围绕它定制数据模型。

事实上，Cassandra不是您可以查询的数据库。它是一个键值存储系统。要理解这一点，请快速浏览一下：http://howfuckedismydatabase.com/

帮助您的最基本模式是存储桶行和范围范围切片查询。

假设你有对象

user : {
  name : "XXXXX"
  country : "UK"
  city : "London"
  postal_code :"N1 2AC"
  age : "24"
}

当然您要查询by city或by age（and＆amp; or是另一种数据模型）。

然后你必须像这样保存你的数据，假设名字是一个唯一的id：

write(row = "UK", column_name = "city_XXXX", value = {...})

和

write(row = "bucket_20_to_25", column_name = "24_XXXX", value = {...})

请注意，我按国家/地区搜索城市搜索，按年龄段搜索年龄段。

年龄EQ 24的范围查询将是

get_range_slice(row= "bucket_20_to_25", from = "24-", to = "24=")

作为备注"minus" == "under_score" - 1和"equals" == "under_score" + 1，有效地为您提供以“24 _”开头的所有列

这也允许您查询21到24岁之间的年龄。

希望它有用