为什么特定分区上的Cassandra COUNT（*）在相对较小的数据集上花费了很长时间

我有一个定义如下的表：

键空间：

CREATE TABLE messages.textmessages (
    categoryid int,
    date timestamp,
    messageid timeuuid,
    message text,
    userid int,
    PRIMARY KEY ((categoryid, date), messageid)
) WITH CLUSTERING ORDER BY (messageid ASC);

使用replication={'class'：'SimpleStrategy'，'replication\u factor'：'1}和dustable\u writes=true创建密钥空间消息

表格：

CREATE TABLE messages.textmessages (
    categoryid int,
    date timestamp,
    messageid timeuuid,
    message text,
    userid int,
    PRIMARY KEY ((categoryid, date), messageid)
) WITH CLUSTERING ORDER BY (messageid ASC);

目标是拥有宽行时间序列存储，这样
categoryid
和
date
（一天的开始）就构成了我的分区键，
messageid
提供了集群。这使我能够执行以下查询：

SELECT*FROM messages.textmessages，其中categoryid=2，date='2019-05-14 00:00:00.000+0300'，messageId>maxTimeuuid（'2019-05-14 00:00:00.000+0300'）和messageId

在给定的一天内获取消息；它工作得这么好，这么快

问题

我需要能够通过将上面的
SELECT*
替换为
SELECT count（*）
来计算某一天的邮件数。即使列族中的条目略少于100K，这也需要很长时间；它实际上在
cqlsh
上超时

我已经阅读并理解了很多内容，为什么对于像卡桑德拉（Cassandra）这样的分布式数据库来说，
COUNT
是一项昂贵的操作

问题

为什么即使在以下情况下，此查询也需要如此长的时间：

SELECT COUNT(*) FROM messages.textmessages WHERE categoryid=2 AND date='2019-05-14 00:00:00.000+0300' AND messageId > maxTimeuuid('2019-05-14 00:00:00.000+0300') AND messageId < minTimeuuid('2019-05-15 00:00:00.000+0300')

从messages.textmessages中选择COUNT（*），其中categoryid=2，date='2019-05-14 00:00:00.000+0300'，messageId>maxTimeuuid（'2019-05-14 00:00.000+0300'）和messageId

计数在记录少于100K的特定分区上
在性能卓越的Macbook Pro上，我只有一个Cassandra节点
实例中没有活动的写/读操作；开发笔记本电脑上的分区少于20个
这是可以理解的，因为《卡桑德拉》中“一切都是写的”的概念被忽视了，所以墓碑也会出现

在分区内或分区之间执行扫描时，我们需要在内存中查看墓碑，以便将它们返回给协调器，协调器将使用它们确保其他副本也知道已删除的行。对于生成大量墓碑的工作负载，这可能会导致性能问题，甚至耗尽服务器堆

感谢@JimWartnick关于墓碑相关延迟的建议；这是由我插入的
NULL
字段生成的大量墓碑造成的。我没有料到这会导致墓碑，也没有料到墓碑会对查询性能造成很大影响；尤其是
计数

解决方案

在字段中不存在时使用默认未设置值，或在插入/更新中完全忽略这些值
了解以下事实，如
一个常见的误解是，只有当客户机向Cassandra发出DELETE语句时，墓碑才会出现。一些开发人员认为，选择一种依赖于Cassandra完全没有墓碑的操作方式是安全的。事实上，除了发出DELETE语句之外，还有其他许多事情导致了墓碑。使用TTL插入空值、插入集合和过期数据是常见的逻辑删除源

数据模型的动机是，给定类别的一天消息存储在一个分区（一个节点？）上；因此，我假设计数操作不应该扫描不同的节点。一定有什么我不明白的，你能粘贴你正在执行的确切查询吗？@AlexOtt我已经用查询明确地更新了问题。谢谢。由于您只有一个节点，分区组件实际上没有帮助/伤害（因为所有数据都在单个节点上）——即使它是必需的。您可能需要了解以下几点：您可能会遇到多少墓碑（您可能需要查看cassandra日志以查看是否看到任何警告）以及sstables的数量/大小。计数必须完成，此时SELECT*只会上升到提取大小，这就是为什么SELECT*可能在计数不起作用的情况下工作。在5秒（本地时间）过去之前，可能有太多的行需要扫描。你可以试试当地的法定人数。你会得到更多time@JimWartnick事实上，我已经解决了这个问题，消除了造成墓碑的原因！我将继续从这个发现中回答我自己的问题。非常感谢，先生。