聚集列排序与二级索引的 Cassandra 性能

Question

我的模式是:

A)

CREATE TABLE friend_list (
    userId uuid,
    friendId uuid,
    accepted boolean, 
    ts_accepted timestamp,
    PRIMARY KEY ((userId) ,accepted, ts_accepted)
   ) with clustering order by (accepted desc, ts_accepted desc);

B)

CREATE TABLE friend_list (
        userId uuid,
        friendId uuid,
        accepted boolean, 
        ts_accepted timestamp,
        PRIMARY KEY (userId , ts_accepted)
       ) with clustering order by (ts_accepted desc);
CREATE INDEX ON friend_list (accepted);

哪个将为查询提供最佳性能:

SELECT * FROM friend_list WHERE userId="---" AND accepted=true;

据我了解，Cassandra 会自动按 ASC 顺序对聚簇列进行排序，如果我们需要更改默认排序顺序以实现高效查询，我们会指定 DESC。

在我的模式 A 中，我将“accepted”作为聚集键，但我需要对其进行不必要的排序，因为我肯定必须将“ts_accepted”排序为 DESC。 这种不需要的“已接受”排序会影响性能吗？

如果是这样，假设我正在将“接受”作为模式 B 中的二级索引。我知道二级索引对于低基数值( bool 值)来说并不坏。但查询仍然可能存在一些性能问题。

请告诉我实现此查询的有效方法。

Answer 1

我会选择 A。

如果你能避免二级索引，那就避免它(异常(exception):你知道这将是一个会从中受益的 spark 作业)。如果您仍然需要二级索引，请重新设计您的模型。如果你仍然需要它，内心感到可怕，然后可能会考虑它。

您担心的聚类顺序成本不合适。无论如何，Cassandra 都会存储已排序的聚类列...ASC 或 DESC 不会改变任何事情。您使用了更多的空间，但对于您的查询，您想点击“接受”，所以这是合理的。我猜 ts_accepted 是出于其他原因需要的吗？这里唯一的问题是，如果您需要或有权在查询中访问 ts_accepted，则需要提供一个接受的相等性过滤器。在性能方面，我看不出有什么问题。

至于 B，极低基数列(如 bools)上的索引是不好的。考虑数据是如何存储的——对于每个节点，Cassandra 维护一个表，其中键是值(真/假)，值是该节点与键匹配的所有数据的键。这有可能成为一个非常广泛的专栏。如果您要为单独的表建模，您会这样做吗？不。你也不应该用索引来做。

我不知道其余数据，但如果您希望获得已被接受的 friend ，为什么还要使用 bool 值呢？您可以使用 ts_accepted 列来推断 bool 值。如果它们有值，就会被接受，对吧？

您应该注意的一件事是您不能更新属于 pk 的列。

最后，您正在为您的查询点击分区键 (UserId)。这对您的查询非常有用。这意味着它将恰好命中一个分区。根据您的用例(和条目的大小)，加载整个分区并过滤客户端/应用程序端甚至可能是可行的。当然，这取决于预期的好友列表大小，以及数据大小与网络流量与您需要/愿意做的应用程序处理。例如，加载 100 个条目并过滤接受的应用程序端，以及通过过滤数据库端加载 50 个条目可能具有相似的性能数字。