我们希望使用Apache Cassandra存储从领域时间传感器数据收集的大数据。我们开发了一个能够每秒处理100万个事件的物联网平台。我们希望将他们留在卡桑德拉。
我们的表格如下：
Sensor_data_by_date
Realm text K
Bucket int K
dateTimeReceived timestamp Clustering column
sensor_id text
Message_id text
Sensor_name text
我们感兴趣的是：
给我所有关于“realm-a”的传感器数据的所有结果，对于dateTime范围说“5th may”到“12th may”按“dateTimeReceived”排序。
解决方案： 由于我们的平台每秒可以处理多达100万个事件，当我甚至尝试将DATE + HOUR作为分区键时，它仍然会增加Casssandra建议的最大大小。所以我们决定将领域与领域一起作为分区密钥。
问题： 现在说当我们提到的日期范围很广（5月5日至5月13日）时，我们将有多个桶来查找。我们还需要支持订购。 当我们有这个时，我需要使用“IN子句”来表示桶：
where realm=realm-a and bucket in (1,2,3,4)
and dateTimeReceived>…
and dateTimeReceived <… order by dateTimeReceived
这会抱怨IN条款和命令不能与分页一起工作。 我也需要加入分页......
你能帮我解决一下如何实现这个功能吗？
非常感谢帮助。
答案 0 :(得分：2)
您不需要（嗯，您不必......）指定IN子句。如果您根据事件的到达时间填充存储桶，那么存储桶X总是比存储桶X-1旧（或者如果您以相反的顺序存储数据，则存储桶X总是比存储桶X-1更新）您已经知道你的水桶的顺序。因此，唯一剩下的就是查询每个分区（并行，没有IN）并按桶排序。在每个桶里面，Cassandra可以按时间戳排序。最后一步是按桶顺序（或反向桶顺序）处理这些事件。
关于您的DATA + HOUR问题，您可以使用您的分组技术，或者您可以进入DATA + HOUR + QUARTER OF HOUR。以下是我对类似问题提出的一些建议：
HTH。