Question

我使用下表：

CREATE TABLE IF NOT EXISTS lp_registry.domain (
    ownerid text,
    name1st text,
    name2nd text,
    name3rd text,
    registrar text,
    registered timestamp,
    expiration timestamp,
    updated timestamp,
    technologies list<text>,
    techversions list<text>,
    ssl boolean,
    PRIMARY KEY (
        (name1st, name2nd, name3rd), 
        registrar, ownerid, registered, expiration, updated
    )
);

表格不会更新，只会添加新行。每次爬虫检查域时，都会添加新行。

我正在执行此选择：

SELECT * FROM lp_registry.domain WHERE 
    registrar = 'REG-WEDOS' AND 
    ownerid = 'FORPSI-JAF-S497436' 
ALLOW FILTERING;

但我想要的结果只是最新的＆＃39;更新＆＃39;每个唯一的值＃34; name3rd.name2nd.name1st＆＃34;。

如果我在标准SQL数据库中，我会使用带MAX或GROUP BY的嵌套选择。但是，Cassandra（MAX(), DISTINCT and group by in Cassandra）不支持此功能。但是我应该在CQL中做些什么呢？

Answer 1

应修改整个架构。你正在做的<a href="@Url.Action('Index', 'Home')" style="background: no-repeat url(https://wiki.mageia.org/mw-en/images/thumb/c/c8/Chromium-64px-logo.png/35px-Chromium-64px-logo.png) 0 0; display: block; width: 50px; height: 50px;"></a>，从您的应用程序角度来看显然是一个重要的问题，不应该要求SELECT：您应该对数据进行非规范化并创建一个ALLOW FILTERING和{{1}的表格是分区键。

在该非规范化结构中，registrar应该是一个分区键，用ownerid排序。然后查询将是

updated

正如您所说的那样插入行但从未更新过，在您的应用程序中，如果需要，在多个非规范化表中插入新数据应该不会很复杂。

Andy's answer 为您的表结构提供了更多详细信息和示例。

Answer 2

扩展到Cedric's answer（这是一个很好的建议并将其视为接受的答案），你会得到一个大致类似的表结构：

CREATE TABLE IF NOT EXISTS lp_registry.domain (
    ownerid text,
    name1st text,
    name2nd text,
    name3rd text,
    registrar text,
    registered timestamp,
    expiration timestamp,
    updated timestamp,
    technologies list<text>,
    techversions list<text>,
    ssl boolean,
    PRIMARY KEY ((registrar, ownerid), updated, name1st, name2nd, name3rd)
) WITH CLUSTERING ORDER BY (updated desc);

选择数据时，它会返回您要查询的注册商和所有者ID的分区中具有最新updated值的行。

此查询将非常快，因为您的数据将由注册商组织在磁盘上，所有者ID按行按顺序按更新的降序排列。

这是cassandra的一个关键概念，因为您的数据是根据您查询的方式进行组织的。您在查询中失去了灵活性，但您可以放心，因为您在组织数据时检索数据，因此您将获得出色的性能。这就是为什么根据您的查询对数据进行反规范化至关重要的原因。

如果您想要检索最近更新的所有数据，那么事情变得复杂。使用cassandra不容易解决这个问题，除非所有共享具有自己的一组问题的同一分区（example strategy using a 'dummy' partition key）。

Cassandra：只选择最新的行

2 个答案: