如何正确选择与索引匹配的分区键

Question

我尝试选择在索引列中包含至少一个具有特定值的行的分区键。

在目前的解决方案中，所有其他要求都得到满足：

• 能够根据自己的办公室选择报告。
• 给定办公室，能够选择使用类型和日期范围。
• 不需要根据日期选择没有排放办公室和/或报告类型的报告。

最后，我需要选择某个用户创建报告的所有办公室的能力。基于cassadra文档，我在用户列中添加了一个索引。

该表被定义为：

create table report(
    office uuid,
    type text,
    insert_date timestamp,
    ...
    created_by uuid,
    ...
    primary key(office, type, insert_date));
create index created_by_idx on report (created_by);

如果我没有错的话，使用该索引就像有一个二级表，描述如下：

create table report2(
    created_by uuid,
    office uuid,
    type text,
    insert_date timestamp,
    ...
    primary key(created_by ,office, type, insert_date));

我可以成功地运行类似于：select office from report where created_by = ?的查询，但是这会导致具有相同office键的多行，这是正确的:每个用户都可以在每个office中创建多个报告。

现在我在软件层面对重复的办公室进行过滤，但我在问自己，在提取过程中是否可以直接过滤这些数据。

我试过：select distinct office from report where created_by = ?，这会导致SELECT DISTINCT with WHERE clause only supports restriction by partition key and/or static columns.

然后我尝试：select office from report where created_by = ? group by office，它给了我正确的结果，但是引发了一个警告：Aggregation query used without partition key

这会不会是个问题？在这种情况下，如何处理cassandra这样的查询，是否可以忽略此警告？最后，一个更好的选择是对select * ...使用这样的查询，它具有相同的where子句吗？

Answer 1

卡桑德拉不支持你描述的特性是有原因的--因为它可能效率低下：

首先，正如您所提到的，辅助索引必须列出所有匹配的行键，而不仅仅是不同的匹配分区键。这是因为您可以请求所有的行，而不仅仅是不同的分区键，所以数据必须在那里。必须将这些数据保存在索引中的另一个原因是，每个单独的行都可能被单独删除(或过期)，因此Cassandra需要跟踪所有这些数据，以确定整个分区是否仍然存在，或者不再存在。

现在，由于搜索结果列表中已经列出了所有行的键，所以只输出“不同”的分区键是一种低效率的操作.如果在一个分区中有一百万行匹配，那么Cassandra将需要扫描所有这些行，然后才能输出一个结果。Cassandra通常不允许用户使用低效操作(例如，查看如何使用“允许过滤”来显式地允许在SELECT查询中进行低效过滤)。

尽管如此，未来的Cassandra版本应该允许您请求的“选择不同”请求，这是有意义的，也许需要用户说“允许过滤”来承认它可能很慢。另外，另一种实现可能涉及较慢的更新(每行更新将检查分区的活性)，但随后会快速读取。Scylla考虑过这样的实现，但也没有实现(参见https://github.com/scylladb/scylla/issues/3435)。