如何按日期范围查询Cassandra

Question

我有一个Cassandra ColumnFamily（0.6.4），它将有来自用户的新条目。我想查询Cassandra的新条目，以便我可以在另一个系统中处理这些数据。

我的感觉是我可以使用TimeUUIDType作为我的条目的密钥，然后查询KeyRange，它以“”作为startKey或者lastStartKey开始。这是正确的方法吗？

get_range_slice如何实际创建范围？是否必须知道密钥的数据类型？任何地方都没有声明密钥的数据类型。在storage_conf.xml文件中，您声明列的类型，但不声明键的类型。假设密钥与列的类型相同吗？或者它会做一些神奇的嗅探猜测？

我也看过人们将TimeUUIDType存储在列中的参考实现。然而，这似乎有规模问题，因为这个特定的密钥会变得“热”，因为每次更改都必须更新它。

在这种情况下，任何指针都会受到赞赏。

Answer 1

排序数据时，只有列密钥很重要。存储的数据无关紧要，也不是自动生成的时间戳。 CompareWith属性在这里很重要。如果将CompareWith设置为UTF8Type，则键将被解释为UTF8Types。如果将CompareWith设置为TimeUUIDType，则键将自动解释为时间戳。您不必指定数据类型。查看此页面上的SlicePredicate和SliceRange定义http://wiki.apache.org/cassandra/API这是一个很好的起点。此外，您可能会发现这篇文章很有用http://www.sodeso.nl/?p=80在第三部分中他会讨论切片的查询等等。

Answer 2

道格

如果使用订单保留分区程序，写入单个列系列有时可能会产生热点，但如果使用默认的随机分区程序则不会写入（除非用户的子集创建的数据远远超过所有其他用户！ ）。

如果按时间对行进行排序（使用Order-Preserving Partitioner），那么您可能更有可能创建热点，因为您将按顺序添加行，并且单个节点将负责对于键空间的每个范围。

Answer 3

列和键可以是任何类型，因为行键只是第一列。 实际上，集群是一个循环的散列密钥环，分区器对密钥进行散列以分布在集群周围。

请注意将日期用作行键，因为即使默认randompartitioner的随机化也是有限的，您最终可能会使数据混乱。

更重要的是，如果该日期发生变化，则必须删除上一行，因为您只能在C *中进行插入。

以下是我们所知道的：

• 切片范围是一行中具有起始值和结束值的列范围，当列按顺序排列时，它主要用于宽行。 CF中定义的已知列名称已编制索引，因此可以检索它们指定名称。
• 关键切片，是与Cassandra
返回的切片列范围相关联的关键字
• where子句的等价物使用二级索引，您可以在那里使用不等式运算符，但是语句中必须至少有一个equals子句（另请参阅https://issues.apache.org/jira/browse/CASSANDRA-1599）。
• 对于随机分区程序，使用键范围是无效的，因为键的MD5哈希值不会保持词汇顺序。

您要使用的是使用宽行的基于列族的索引： CompositeType（TimeUUID | UserID） 为了使其不会变热，请添加第一个有意义的密钥（“分片密钥”），该密钥将跨节点（例如用户类型或区域）分割数据。

在Cassandra中拥有的数据不是必需的，这不是一个问题，它是如何设计的，所以你必须要问自己“我需要查询什么”，然后为它设计一个列族而不是试图适应一切在一个CF中就像你在RDBMS中那样做。