Question

使用Cassandra，可以在具有特定列的表上指定集群顺序。

CREATE TABLE myTable (
    user_id INT,
    message TEXT,
    modified DATE,
    PRIMARY KEY ((user_id), modified)
)
WITH CLUSTERING ORDER BY (modified DESC);

注意：在此示例中，每个user_id（预期）有一条消息

鉴于此表，我的理解是，在查询最新数据的情况下，查询的性能会更好。

但是，如果在“修改”列中进行更新，是否会增加服务器的额外开销以“重新排序”，并且该开销与查询性能之间是否显着相关？

换句话说，给定该表，如果删除“ CLUSTERING ORDER BY（修改后的DESC）”会更好吗？

更新：通过将修改添加到主键来更新无效的CQL，但是，原始问题仍然存在。

Answer 1

为了修改聚类列，需要在主键中定义它。

# handle only one 1 message and then stop the route
camel.springboot.duration-max-messages=1
# run for 180 seconds and then gracefully shutdown
camel.springboot.duration-max-seconds=180
# a polling consumer will cancel the graceful shutdown so set the shutdownTimeout to a minimum
camel.springboot.shutdownTimeout=1

这样，您的数据将主要按照user_id的哈希值进行排序，并在每个user_id中进行修改。您无需删除“ WITH CLUSTERING ORDER BY（修改后的DESC）”

Answer 2

将评论作为回答，作为对更新问题的答复：

如果要在“修改的”列中进行更新的地方添加服务器上的额外开销可以“重新排序”，那是开销vs 查询性能显着吗？

如果将modified定义为集群键的一部分，则您将无法to update that record，但是将能够根据需要添加任意多的记录，每次记录的修改日期都不同。

Cassandra是仅允许追加的数据库引擎：这意味着对记录的任何更新都将添加具有不同时间戳的新记录，而select将考虑具有最新时间戳的记录。这意味着没有“重新排序”操作。

应在如何检索信息的查询的基础上定义拖放或创建聚类顺序，如果仅使用该user_id的最新记录，则按照定义的顺序进行聚类是有意义的它。

Answer 3

在数据模型中，

user_id是对数据局部性很重要的行键/分区键/分区键（用户ID），并且群集列（已修改）指定了数据在分区内的排列顺序。这两个键的组合成为主键。

即使在RDBS世界中，出于数据完整性的考虑，也可以避免更新PK。

但是在cassandra中，列族/表之间没有约束/关系。为Pk字段（用户ID，已修改）分配完全相同的值将导致更新现有记录，否则将添加字段集。

参考： https://www.datastax.com/dev/blog/we-shall-have-order

具有更新的Cassandra群集订单[性能]

3 个答案: