Question

我们来自RDBMS背景，我们要做的是将现有数据存储移植到cassandra，以利用分布式数据库的强大功能。我们的要求是存储关于密钥的值，可能关键是时间（计划使用纪元时间）和检索关键范围之间的值

对于测试，我们使用cql（通过cqlsh）创建了ColumnFamily并插入了数据：

CREATE COLUMNFAMILY Log( KEY int PRIMARY KEY,Val1 varchar,Val2 varchar);

INSERT INTO Log (KEY,val1, val2) VALUES (1,'673153106.00','448768737.33'); 
INSERT INTO Log (KEY,val1, val2) VALUES (2,'673153106.50','448768737.67'); 
INSERT INTO Log (KEY,val1, val2) VALUES (3,'673153107.00','448768738.00'); 
INSERT INTO Log (KEY,val1, val2) VALUES (4,'673153107.50','448768738.33'); 
INSERT INTO Log (KEY,val1, val2) VALUES (5,'673153108.00','448768738.67'); 
INSERT INTO Log (KEY,val1, val2) VALUES (6,'673153108.50','448768739.00'); 
INSERT INTO Log (KEY,val1, val2) VALUES (7,'673153109.00','448768739.33'); 
INSERT INTO Log (KEY,val1, val2) VALUES (8,'673153109.50','448768739.67'); 
INSERT INTO Log (KEY,val1, val2) VALUES (9,'673153110.00','448768740.00'); 
INSERT INTO Log (KEY,val1, val2) VALUES (10,'673153110.50','448768740.33');

但我们的选择无法返回正确的数据

select * from Log where KEY>4 and KEY<9;

KEY | val1 | val2 | 10 | 673153110.50 | 448768740.33 | 8 | 673153109.50 | 448768739.67 |

select * from Log where KEY>4 and KEY<9;

错误请求：启动密钥的md5在结束密钥的md5之后排序。这不是允许;你可能根本不应该指定结束键 RandomPartitioner

我们做错了什么？。是否有任何解决方案可以使用randompartition在键范围之间选择值

Answer 1

Cassandra禁止这种查询是有充分理由的。目前，通过使用主键的md5总和，所有日志条目均匀分布在节点上。支持您的查询意味着Cassandra必须查询所有节点，检索所有条目，将它们存储在磁盘上并对它们进行排序。每当执行此查询时，都需要这样做。

如果您希望能够执行此查询，您可以使用Order-Preserving-Partioner，但也不建议这样做，因为如果您按顺序插入数据，所有查询都会遇到单个节点，从而导致不必要的热斑点。

通常的解决方案是使用复合主键（例如index_name + timeuuid）。这将确保您的索引通过使用indexname的md5sum均匀分布在群集中。但访问索引（例如SELECT * FROM log WHERE index_name = ? AND time >= ? AND time < ?）仍然有效，因为数据已经按照排序顺序存储在负责md5sum(index_name)的节点上。 index_name通常是一些帮助您对数据进行分区的键 - user_id或application_id可能是一个很好的候选者。

如果您认为单个index_name的索引可能对单个节点来说很大，那么您可以通过将当前年份和月份添加到index_name来调整先前的架构。请阅读以下两篇文章以获取更多信息：

Cassandra Cql范围选择

1 个答案: