Question

我是cassandra的新手，我试图向员工插入笔记本电脑映射列表，如下所示＆＃39; laptoplist＆＃39;是一个UDT。

   cqlsh:sourceutilization> SELECT * from employee ;

 id | laptoplist                                                                        | name      | type
----+-----------------------------------------------------------------------------------+-----------+------------
  5 |  [{laptopid: 5, cpu: 9, memory: 18, networkutilization: 25, diskutilization: 85}] | testname5 | staffType5
  1 | [{laptopid: 1, cpu: 94, memory: 36, networkutilization: 13, diskutilization: 66}] | testname1 | staffType1
  8 |  [{laptopid: 8, cpu: 64, memory: 1, networkutilization: 15, diskutilization: 71}] | testname8 | staffType8
  0 |  [{laptopid: 0, cpu: 4, memory: 95, networkutilization: 20, diskutilization: 16}] | testname0 | staffType0
  2 | [{laptopid: 2, cpu: 49, memory: 37, networkutilization: 20, diskutilization: 88}] | testname2 | staffType2
  4 | [{laptopid: 4, cpu: 13, memory: 67, networkutilization: 67, diskutilization: 10}] | testname4 | staffType4
  7 | [{laptopid: 7, cpu: 11, memory: 75, networkutilization: 75, diskutilization: 97}] | testname7 | staffType7
  6 |  [{laptopid: 6, cpu: 27, memory: 34, networkutilization: 2, diskutilization: 92}] | testname6 | staffType6
  9 | [{laptopid: 9, cpu: 12, memory: 10, networkutilization: 19, diskutilization: 73}] | testname9 | staffType9
  3 | [{laptopid: 3, cpu: 47, memory: 13, networkutilization: 72, diskutilization: 54}] | testname3 | staffType3

现在，我想查询下面的内容，如何实现

select * from employee where laptoplist.networkutilization > 50;

仅供参考，我使用的是3.1 cassandra版本。

提前致谢，哈利

Answer 1

这样做不会很好。在这里获得您想要的东西需要进行一些更改。在Cassandra，有两件事情通常会有所帮助。

如果您在使用数据模型时遇到问题，请问问自己，这可能是一个时间序列。

使用Cassandra的分布式附加存储引擎，时间序列和事件跟踪等用例很容易适应。有时候，当调整到那个角度时，数据模型更有意义（从Cassandra的角度来看）。

构建表以匹配您的查询模式。

我看到ID可能是主要的关键。但我没有看到（至少在上面）是过滤ID的任何查询。我可以说像员工和笔记本电脑这样的东西很重要，而且可能是独一无二的。但是，唯一键并不总能成为最佳信息过滤器。

要问的主要问题是，你想要到达什么地方？

对我来说，您希望看到正在经历高网络利用率的用户。高网络利用率是（希望）暂时的事情，那么为什么我们不向它添加时间组件（checkpoint_time）？ IMO，随着时间的推移跟踪计算资源利用率是有意义的。在考虑了这些要点之后，我想出了这样一个数据模型：

cassdba@cqlsh:stackoverflow> CREATE TABLE employee_laptop__by_network_utilization (
                       timebucket text,
                       checkpoint_time timestamp,
                       employee_id bigint,
                       name text,
                       type text,
                       laptop_id bigint,
                       cpu bigint,
                       memory bigint,
                       network_utilization bigint,
                       disk_utilization bigint,
                       PRIMARY KEY ((timebucket),network_utilization,
                           checkpoint_time,employee_id,laptop_id)
                     ) WITH CLUSTERING ORDER by 
                          (network_utilization ASC, checkpoint_time DESC,
                           employee_id ASC, laptop_id ASC);

插入一些行后，我现在可以查询遇到网络利用率的员工/笔记本电脑组合＆gt; 2017年10月12日50日。

cassdba@cqlsh:stackoverflow> SELECT * FROm employee_laptop__by_network_utilization
     WHERE timebucket='20171012' AND network_utilization > 50;

 timebucket | network_utilization | checkpoint_time                 | employee_id | laptop_id | cpu | disk_utilization | memory | name     | type
------------+---------------------+---------------------------------+-------------+-----------+-----+------------------+--------+----------+-----------
   20171012 |                  55 | 2017-10-12 12:30:00.000000+0000 |           1 |         1 |   4 |               62 |     19 | Jebediah |     Pilot
   20171012 |                  55 | 2017-10-12 12:15:00.000000+0000 |           1 |         1 |  19 |               62 |     18 | Jebediah |     Pilot
   20171012 |                  72 | 2017-10-12 12:00:00.000000+0000 |           3 |         3 |  47 |               54 |     13 |      Bob | Scientist

(3 rows)

首先，我需要一个好的分区密钥，两者对查询有意义，和阻止我的分区无限制增长。因此，我选择了一个名为“日期存储桶”的timebucket。这样，我可以隔离一天的查询，并确保每个查询都由单个节点提供。

接下来，我聚集在network_utilization上，因为这是该模型主要关注的主要列。它是第一个聚类列，因为我们不希望在查询中过滤列的过多提供。

checkpoint_time是PRIMARY KEY中的下一列，主要是因为具有相同timebucket和network_utilization的请求可能更有意义地按时间排序（DESCending）。

最后，我添加employee_id表示唯一性，然后laptop_id，因为员工可以拥有多台笔记本电脑。

现在，我确信您将找到与您的用例不完全相符的解决方案。这是因为Cassandra数据建模非常以用例为中心。通常，一个好的解决方案不是适合另一个人。但是，这是获取您所追求的数据的一种方式。

Answer 2

您不能只对任何列进行范围查询。 cassandra有一些限制。

在cassandra上创建任何架构之前，您必须具体说明要以何种方式执行查询，否则大部分时间您的架构将无效。

要执行大于，大于等于，小于，小于等于的范围查询，您需要在模式中指定群集列。

我们不能简单地在cassandra中仅指定Clustering列。您必须在cassandra的每个模式中声明分区键。

要对群集列执行查询，您必须在查询中传递所有先前的主键值。

cassandra中的嵌套查询

2 个答案: