Question

对于数据模型，如：

create type city (
   name text,
   code int
);

create table user (
    id uuid,
    name text,
    cities list<FROZEN<city>>,
    primary key ( id )
);

create index user_city_index on user(cities);

查询为

select id, cities from user where cities contains {name:'My City', code: 10};

工作正常。但是可以查询

select id, cities from user where cities contains {name:'My City'};

并弃掉code属性，即code=<any>？

这可以通过使用Spark来实现吗？

Answer 1

但是可以查询：select id, cities from user where cities contains {name:'My City'};

不，不是。 using a UDT个州的文档（对于UDT列name）：

过滤用户定义类型列的数据。创建索引，然后运行条件查询。在Cassandra 2.1.x中，您需要列出name子句中WHERE列的所有组件。

因此，查询cities UDT集合将需要city类型的所有组件。

我确信有一种方法可以在Spark中查询，但我会给你一个基于Cassandra的答案。基本上，创建一个定义/索引的附加列表列只是为了保存城市名称列表，并在其上运行CONTAINS。更好的方法是将city类型反规范化为查询表（usersbycity），使用PRIMARY KEY定义，如PRIMARY KEY(cityname, citycode, userid)，并使用除user表之外的那个按城市名称和代码（或城市名称）支持查询。

请记住，当表格专门设计为适合您的查询模式时，Cassandra效果最佳。二级索引是为了方便，而不是性能。尝试扩充一个表以支持多个查询是RDBMs数据建模方法（通常在Cassandra中不能很好地工作）。而不是一个表可以很好地为一个查询提供服务，通常最终只有一个表可以很好地处理多个查询。

编辑您的问题：

1）“拥有长群集密钥是否可以接受？”

目前我无法找到关于此的明确声明，但我认为这里更大的问题是如何在“引擎盖下”存储/使用群集密钥。实质上，每个聚类键值都附加到每个列值（以便更快地检索）。显然，如果你有很多这样的东西，那就会占用磁盘空间（这些日子并没有太大的担忧......如果是的话，你可以使用COMPACT STORAGE指令来解决这个问题。）

如果你有很多，最终可能会影响性能。我可以仔细检查这个，然后再回复你。我不会去...说...... 100个聚类键。但我不认为10是一个大问题。我知道我用7或8创建了模型，它们表现得很好。

2）“如果存在与用户相关的其他非规范化表（如usersbyhobby，usersbybookread等），如何将来自这些表的过滤组合到来自userbycity的过滤器到一个查询中，因为c *中没有JOIN？”

您无法在查询时将它们组合在一起。您可以做的是，如果您发现您的查询需要同时来自usersbyhobby，usersbybookread和usersbycity的用户数据;是创建一个包含所有数据的非规范化表。根据您的查询需求，您可能需要以不同的方式订购PRIMARY KEY，在这种情况下，您需要创建与要提供特定查询的表一样多的表。

另一种选择是进行单独查询并在客户端管理它们。客户端JOIN被认为是Cassandra反模式，所以我会谨慎使用它。这完全取决于您的应用程序的需求，以及您是否希望将大部分时间用于数据建模/管理或客户端处理。老实说，我更愿意让客户端保持尽可能简单。

查询＆＃34;包含＆＃34;在用户定义类型（UDT）列表上

1 个答案: