cassandra - cassandra中的主键和索引

Question

cassandra 的新手，仍在学习。

create table url (
  id_website int,
  url varchar,
  data varchar,
  primary key(url, id_website)
);

嗨，我有一个网站的 url 表。

我不希望所有的 url 都在同一个节点上，这就是为什么主键首先是 url，所以它将是分区键。

大多数情况下，我会检索特定 url 的数据，例如:“url = ? and id_website = ?”

但是，当我想检索网站的部分/全部 url 时，性能如何:

select * from url where id_website = 1 allow filtering limit XX;

我认为这个查询将在所有节点上发送，然后，表扫描 id_website=1 直到达到限制，然后合并并发回我的客户端。

但是这种扫描是要使用索引并且是有效的，还是会一一读取 id_website 列的值并进行比较(所以无效)？我确实设置了主键的 id_website 部分，所以我希望它被索引，但我真的不知道。

我们在 cassandra 上是否有一些工具，例如 mysql 的 EXPLAIN 来检查查询是否使用索引。

谢谢。

--

编辑

Create a second table with id_website as partition key (and write/delete in batch)

我不想使用这个解决方案，因为我可能有一两个非常大的网站，并且有数百万个网址(以及数百万个网址很少的其他网站)。

如果我在 id_website 上有一个分区键，并且这两个或三个网站位于同一个节点上，则可能会导致存储问题，或者处理这些网站的节点可能请求过多，而另一个则一无所获。我想将数据分布在所有节点上。这就是为什么我坚持要在 url 上进行分区。

You create a secondary index on id_website (which creates a table for you)

这个解决方案怎么样？如果我理解的话，每个节点都会有一个表来索引它基于 id_website 存储的行(而不是其他节点的行)。所以我可以将我的 url 分布在许多节点上，我不会让一个节点处理包含特定网站所有 url 的大型索引。

现在当我使用我的查询

select * from url where id_website = 1 allow filtering limit XX;

每个节点接收到查询，但这次不必循环遍历分区(url列)，它们可以直接在索引中查找属于id_website的url，并返回行(或不返回)。对 ？

这个解决方案的反面是每次请求完成时，它都会到达每个节点，但是，由于新的索引，它应该很快吗？

Answer 1

你走对了。使用允许过滤您只是要求 cassandra 扫描所有节点:非常无效。 id_website在每个分区中都有索引，但是由于您没有告诉 Cassandra 去哪里，他必须点击所有分区(所有节点)，即使是那些不包含所选 id_website 信息的分区。 -- 一旦 Cassandra 命中一个分区就知道如何查找这些信息，并且不需要扫描整个分区来取回数据。

要在 Cassandra 中解决这个问题，您必须进行非规范化，在这种情况下，您可以通过两种可能的方式来解决:

创建以 id_website 作为分区键的第二个表(并批量写入/删除)

您在 id_website 上创建二级索引(为您创建一个表)

**根据问题编辑**

你说的是对的:二级索引作为“本地索引”处理——每个节点只为它拥有的数据创建一个本地索引表。以下是good reading关于二级索引(您已经了解)

创建索引后，您必须删除 ALLOW FILTERING从查询。

高温下，
卡罗