Question

我有以下问题：在我的Cassandra数据库中，我有几个用户发送了几条消息。我的消息表具有以下结构：

CREATE TABLE messages (
  recipient bigint,
  sender bigint,
  created_at text,
  content text,
  PRIMARY KEY((recipient, sender),created_at)
);

我需要计算用户在一天内发送的邮件数量。例如，在2017-01-01和2017-01-05之间

sender | created_at
  1       2017-01-01
  1       2017-01-01
  2       2017-01-01
  3       2017-01-02  
  3       2017-01-02
  4       2017-01-03
  4       2017-01-04
  5       2017-01-04

我会得到结果

2017-01-01 = 2
2017-01-02 = 1
2017-01-03 = 1  
2017-01-04 = 2

Answer 1

从我所看到的情况来看，您无法对表结构执行此操作，因为您的分区键包含recipient。要说，你根本不应该指望，因为counting keys in cassandra很难。

但是，如果你坚持计算这些键，我建议你采用两种方法：

创建新的计数器表

CREATE TABLE counters_by_user (
    sender bigint,
    ts timestamp,
    messages counter,
    PRIMARY KEY (sender, ts)
)

此表允许您直接获取要查找的值。它允许您选择适当的＆＃34;粒度＆＃34;计数器，即如果您想要一个日常计数器，只需将时间戳存储在ts字段的yyyy-mm-dd字段中。如果您需要基于每小时的计数，请将其存储为yyyy-mm-dd HH:00格式等...您只需要确切的sender来获取结果，并且可以通过指定{{来查询范围1}}主键的组件。看看有关如何使用它们的Counters页面文档，并注意这种方法的主要缺点是Cassandra可以超过/不足，所以如果你需要在计数上迂腐，请注意你的步骤。 / p>

创建一个新的消息表，即对数据进行非规范化

ts

每次在CREATE TABLE messages_by_sender ( sender bigint, created_at timestamp, PRIMARY KEY (sender, created_at) );表格中插入一行时，您都会在此处插入一行，当您需要计算发送的邮件时，只需运行messages即可统计所有内容，或SELECT COUNT(*) FROM messages_by_sender WHERE sender=?指定范围。如果每个SELECT COUNT(*) FROM messages_by_sender WHERE sender=? AND created_at > ? AND created_at < ?;有大量消息，但这会导致效率低下，因为在Cassandra中计算密钥需要进行分区扫描。

Answer 2

AFAIK，cassandra不允许进行类似SQL的聚合。你要么需要预先计算＆amp;保留到另一个数据库中或在扫描/查询结果时进行计数。

将cassandra与hadoop＆amp; amp;做一些map-reduce，但这似乎对你在这里尝试的东西有点过分。

Cassandra中不同的用户

2 个答案:

创建新的计数器表

创建一个新的消息表，即对数据进行非规范化