Cassandra使用PRIMARY KEY进行ORDER的最佳做法

问题描述

最初我有一个像这样的卡桑德拉表：

CREATE TABLE table (
open_time timestamp,open double,close double,high double,low double,volume bigint,PRIMARY KEY(open_time));



open_time                       | close  | high   | low   | open   | volume
---------------------------------+--------+--------+-------+--------+--------
 2020-08-05 06:00:00.000000+0000 | 181.53 | 184.32 | 181.1 | 184.32 |    100
 2020-08-04 06:00:00.000000+0000 | 181.53 | 184.32 | 181.1 | 184.32 |    100

我需要执行查询以获取最新的open_time。注意到类似

的查询后

SELECT open_time FROM table ORDER BY open_time DESC LIMIT 1;

不允许，我想知道这里的最佳做法是什么。

我的想法是添加一个id列，我可以使用 open_time 作为聚类顺序。像这样：

CREATE TABLE table (
id int,open_time timestamp,PRIMARY KEY(id,open_time)
)
WITH CLUSTERING ORDER BY (open_time DESC);

这是完成工作的有效解决方案，还是有更好的方法，例如没有额外的id列的东西，因为我永远不会查询id itslef。

查询最多的是：

SELECT * FROM table WHERE open_time >= '2013-01-01 00:00:00+0200' AND  open_time <= '2013-08-13 23:59:00+0200';

谢谢！

解决方法

如果提及id作为主键，则必须将其包含在where子句中，否则将需要允许过滤。 您可以尝试使用“ Select max（open_time）....”进行查询，否则可以使用上面的id，它会随着每条记录而递增，结果，具有最高值的id总是具有最新记录。

,

CLUSTERING ORDER在每个分区内强制执行磁盘上的排序顺序。因此，无法使用与分区相同的键进行排序。通过id进行分区将面临类似的挑战，因为CLUSTERING ORDER BY open_time仅在每个id内 内强制执行。

我想知道这里的最佳实践是什么。

像这样的模型通常通过时间段来解决，正如我今天早些时候在answer to a similar question中提到的那样。要选择最佳的“存储桶”，您需要了解您的业务案例，例如每天的条目数以及查询要求。

举例来说，假设该月份效果最好。如果每一行包含一个“ YEAR-MONTH”值，则PK定义将如下所示：

PRIMARY KEY (month_bucket,open_time))
WITH CLUSTERING ORDER BY (open_time DESC);

然后，您可以支持这样的查询：

SELECT * FROM table
WHERE month_bucket = '2013-08'
  AND open_time >= '2013-08-01 00:00:00+0200' AND  open_time <= '2013-08-13 23:59:00+0200';

同样，查询最新条目仅需要将最近（当前？）个月作为参数：

SELECT * FROM table
WHERE month_bucket = '2020-08'
LIMIT 1;

由于结果存储在按month_bucket降序排列的每个open_time中，因此该查询将返回最近的条目。

我为DataStax撰写了一篇有关此问题的文章（几年前）。它已被移至他们网站的新部分，通过该软管进行格式化，但内容始终在那里。读一读；希望对您有所帮助：We Shall Have Order!