Apache Cassandra中的二级索引

Question

我尝试使用以下链接了解Cassandra中的二级索引：

• https://www.youtube.com/watch?v=BPvZIj5fvl4

假设我们有5个节点N1，N2，N3，N4和N5群集，复制因子为3，这意味着分区数据将被复制到群集中的3个节点（比如N1，N2和N3）。

现在，当我执行此查询时：

SELECT *
FROM user
WHERE partitionKey = "somedata" AND ClusteringKey = "test";

将读取一致性设置为“2”

它将从任意两个节点N1，N2或N3

进行查询

如果我在任何列上应用二级索引，那么将执行以下查询的节点数是多少？

SELECT *
FROM user
WHERE partitionKey = "somedata" AND secondaryKey = "test";

我有两个问题：

1. 根据视频，上面的二级索引查询将从群集中的所有5个节点读取，以便在secondaryIndexColumn上进行搜索？这是对的吗？
2. 使用二级索引会对其他任何性能产生影响吗？ - 如果它解释了原因
，那将是伟大的

Answer 1

Cassandra将联系节点，直到它到达要返回的行的LIMIT，满足您的查询，或者直到它联系所有节点。它通过首先联系第一轮中的一个节点，第二轮中的两个节点，第三轮中的四个节点等来完成此操作，从包含第一个令牌的节点开始。

您可以查看本文中的完整算法（E部分）：https://www.datastax.com/dev/blog/cassandra-native-secondary-index-deep-dive

使用二级索引时要注意的一件事是，索引列的基数较高，因为这会创建大量索引，因此会占用大量磁盘空间。避免在这些列上使用二级索引。

Answer 2

从评论中填写讨论内容：

最新的查询将在两个节点上执行，因为您正在提供分区密钥。通过这样做，Cassandra查询引擎可以知道数据存在于哪个确切的节点。

如果您要运行以下查询：

SELECT *
FROM user
WHERE secondaryKey = "test";

这将在您的表中包含数据的所有节点中运行，并且必须根据该辅助键扫描每个节点。

就像我说的那样，二级密钥是节点本地的，这意味着如果你有用户表，你的信息看起来就像那样：

user_id  user_name
---------------------------
1        a_very_cool_user
2        a_very_cooler_user
3        the_coolest_user

因此，如果我们将这些数据划分为三个分区，则假设这三个节点中的每一个只有一行：

• 节点1将具有a_very_cool_user
• 节点2将具有a_very_cooler_user
• 节点3将拥有the_coolest_user

如果你要索引user_name字段，那么节点1只会索引a_very_cool_user并且不知道其他两个节点中的内容。同样适用于其他的。那是Cassandra当地二级索引的作用。