Question

编辑*感谢代码格式化的陌生人，我会记住以后！

我遵循基本的planetcassandra.org Cassandra教程，我不明白为什么我不能执行以下查询：

select * 
from users 
where lastname = 'Smith' AND city = 'X';

在这张桌子上：

CREATE TABLE users 
(
    firstname text,
    lastname text,
    age int,
    email text,
    city text,
    PRIMARY KEY (lastname)
);

根据我的理解，分区键（lastname）对数据进行分区。所以带有姓氏Smith的所有行都应该在节点X上。什么阻止我进一步过滤这些行呢？

谢谢！

Answer 1

这里有两个问题的答案。一个特定于你的例子，一个更一般的答案（这可能是你真正想要的）。

回答您的例子

在您的具体示例中，您只有一个主键＆＃34;姓氏＆＃34;。因此，在这种情况下，每个分区只有一行。任何时候你用姓氏更新行＃34;史密斯＆＃34;您正在覆盖该行中的所有先前数据。在这种情况下，where子句并不真正有意义，因为当你查询＆＃34; Smith＆＃34;排在那里只会有一个结果。

更一般的回答

我猜你的意思是允许每个分区允许多行。也许类似于PRIMARY KEY（lastname，user_id）（或聚类键中的任何列，可以让您识别具有相同姓氏的不同用户）。

Cassandra的分区可能非常大。单个分区中可能有数百万行。主键中的群集列确定存储在磁盘上时这些行的排序方式。因此，当您对聚类列进行查询时，Cassandra可以使用数据排序的知识来精确查找您要查找的数据。

如果Cassandra允许查询不在群集密钥中的列，则需要扫描分区中的所有数据并根据查询检查每一行。这将是非常低效的。

要进一步扩展群集列，群集列的实际顺序也很重要。如上所述，排序决定了行存储在磁盘上的方式。所以＆＃34; PRIMARY KEY（a，b，c）＆＃34;和＆＃34; PRIMARY KEY（a，c，b）＆＃34;是不相同。在第一个示例中，行首先由＆＃34; b＆＃34;在磁盘上排序。列，然后是＆＃34; b＆＃34;的所有具有相同值的行列由＆＃34; c＆＃34;柱。这意味着您无法在分区内查询具有特定值的列＆＃34; c＆＃34;没有指定＆＃34; b＆＃34;。该查询将再次需要扫描整个分区，因为行首先由＆＃34; b＆＃34;排序。

了解您要预先做的确切查询将帮助您确定所需的群集密钥，以及是否需要将多个表格反规范化以支持多个查询。

Answer 2

简短回答

您必须拥有一个聚类列 - 城市。

更新：为简洁的回复道歉。让我充实一点。

Cassandra将数据按顺序存储在磁盘上（快速浏览C *读取路径）

Cassandra是一款专为高性能和可用性而设计的分布式系统。尽管基于SQL，但CQL在您可以做和不能做的查询类型中受到限制，并且通常您必须围绕您的工作负载/访问模式围绕查询模式（和重复数据）设计数据模型。

确实，一旦在cql where子句中指定了分区键，cassandra就会知道您的数据存储在哪个节点。但是，它仍然必须在该节点中找到数据。

请记住，C *会根据群集列顺序存储数据。为了找到你正在寻找的CQL行，cassandra必须在磁盘上进行完全搜索，一旦你售罄并且拥有大量数据，它们就会很慢。如果您具有聚类列x，y和z，则数据将分别按三个聚类列进行排序。这就是为什么你只能按顺序包含x，y和z约束的原因。

查看this data modeling tool可视化c *存储层的数据模型，查看可能的查询，并生成压力模型。

为什么我不能在过滤主键后在Cassandra中添加WHERE子句？

2 个答案:

简短回答

Cassandra将数据按顺序存储在磁盘上（快速浏览C *读取路径）