低基数列cassandra的二级索引

Question

我们有一个包含1500万条记录的表，而我们的表是一个10节点的cassandra集群。我们有一个列有近20个可重复的值。建议在此列上构建二级索引吗？

Answer 1

假设该列上的分布完全均匀，则每个列值将映射到750,000行。现在，虽然When To Use An Index上的DataStax文档声明了......

  

内置索引最适用于包含许多包含索引值的行的表。

750,000行当然有资格作为＆＃34;很多。＆＃34;但即便如此，请记住，在完成查询时，您还要谈论Cassandra必须忽略的14,250,000行。

此外，除非您的RF为10（并且我怀疑您将使用10个节点），否则您将产生网络时间，因为Cassandra在完成查询所需的所有不同节点之间工作。对于750,000行，这可能会超时。

我认为这可能有效的唯一方法是首先通过分区键限制查询。使用二级索引同时限制分区键将有助于Cassandra更快地找到您的行。即便如此，如果数据集很大，我会重新评估您的数据模型，并尝试找出一个不同的表来实现该查询，而不需要二级索引。