Cassandra-按聚簇键搜索

Question

这是我的diseases表定义：

id text,
drugid text,
name
PRIMARY KEY (drugid, id)

现在，我只想按drugid列执行搜索（此列中的所有值都是唯一的）。这个主键是由于药物快速搜索而创建的。

现在-使用id过滤此表的最佳解决方案是什么？创建新表？将附加值（drugid传递给SELECT？是否只有id选项？

感谢您的帮助：）

Answer 1

查看表定义，分区键为Drugid。这意味着您的查询将必须包含药物名。但是由于id也是主键的一部分，因此您可以执行以下操作：

select * from diseases where drugid = ? and id = ?

不幸的是，除非您在其上创建二级索引，否则仅具有ID是不可能的。那样不好，因为您可能会触发整个群集扫描。

因此，解决方案是：

• 指定分区键（如果可能的话），在这种情况下为药典
• 创建一个新表，将id作为分区键；在这种情况下，您将需要维护两个表；

我猜您会选择哪种解决方案取决于您的数据集。您应该测试一下每种解决方案的行为。

您应该使用二级索引吗？

指定分区键时，Cassandra将从分区和仅从一个节点读取确切的数据。

创建二级索引时，Cassandra需要从分布在整个群集中的分区中读取数据。当在具有许多不同值的列上建立索引时，会对性能产生影响。这是有关此问题的更多阅读内容-规模级的Cassandra：The Problem with Secondary Indexes

在以上文章中，@ doanduyhai发表了一个有趣的评论：

  

“只有1种情况下，二级索引可以很好地执行   不受扩展性问题的影响：与   分区键。如果您确保所有查询都使用辅助查询   索引的格式为：

SELECT ... FROM ... WHERE partitionKey=xxx AND my_secondary_index=yyy

  

那么您就可以放心了。更好的是   如果您可以混入许多二级索引。性能方面，因为   所有索引读取都将在节点本地进行，应该没问题”

我会远离二级索引。

根据您的描述，id或多或少会有不同的值，因此您可能会遇到性能问题，因为“一般的经验法则是索引基数少的低列”。

此外，如果id是集群列，则数据将以有序方式存储。群集列仅在分区键内确定数据在磁盘上的排序顺序。默认顺序为ASC。

我建议多读一些书-When not to use an index和Using a secondary index