Question

我有下表：

create table tweets_by_hashtags(
    hashtag text,
    tweet_id text,
    tweet_posted_time timestamp,
    retweet_count int,
    body text,
    primary key(hashtag, tweet_id)
 )

我想执行以下查询;我需要通过retweet_count desc

订购结果

select 
    * 
from 
    tweets_by_hashtags 
where 
    hashtag = 'some_hashtag' and
    tweet_posted_time >= 'from_time' and
    tweet_posted_time < 'to_time'

请帮我设计主/分区/群集密钥。

Answer 1

由于您需要按标签对数据进行分区并按时间排序（您正在进行范围查询，因此您需要知道某些推文发生的时间），您的表应该像这样创建：

create table tweets_by_hashtags(
    hashtag text,
    tweet_id text,
    tweet_posted_time timestamp,
    retweet_count int,
    body text,
    primary key((hashtag), tweet_posted_time, tweet_id)
 )

其中hashtag是分区键，推文首先按时间聚类（按时间排序，启用范围查询），并添加tweet_id以获得唯一性（如果两条推文在同一时间发生，则需要区分他们）。

这将启用您所建议的选择查询，您需要在某些开始和结束时间之间通过主题标签发送推文。

至于问题的其他部分，我看到两种可能的解决方案：

<强> 1。申请级别的订单

当您提取推文列表时，您可以循环浏览列表并按转推计数进行排序，这样您就可以在需要的时间内订购推文。

<强> 2。固定时间段

如果您需要解决方案，即每日推文，每小时推文或其他内容，并且您可以跳过查询中的范围标准，则可以使用由主题标签和时间分辨率组成的复合主键创建表，并使用转发计数作为群集键。

create table hourly_tweets_by_hashtags(
        hashtag text,
        tweet_id text,
        tweet_posted_time timestamp,
        tweet_posted_date text,
        tweet_posted_hour int,
        retweet_count int,
        body text,
        primary key((tweet_posted_date, tweet_posted_hour, hashtag), retweet_count, tweet_id)
     ) WITH CLUSTERING ORDER BY (retweet_count DESC)

现在，您的复合主键由日期，小时和标签组成，推文按retweet_count排序。由于唯一性，再次添加tweet_id。

现在你可以这样查询：

select 
    * 
from 
    hourly_tweets_by_hashtags 
where 
    hashtag = 'some_hashtag' and
    tweet_posted_date = '22/01/2016' and
    tweet_posted_hour = 16;

此查询将返回retweet_count订购的16h特定日期的所有推文。添加了聚类顺序以将大多数转发放在最上面。

Cassandra订购了范围查询的结果

1 个答案: