存储反向索引的Cassandra分区和集群键

我需要使用Cassandra存储一个倒排索引，其中单词及其在文章中的频率存储如下：

word, article_title, frequency

唯一字数约为40M，Cassandra节点数=2。 使用单词的第一个字符作为分区键或单词本身哪个更好？

---

主键呢？

TL；DR：关于你的查询，我肯定会说使用这个词作为分区键

如果只使用第一个字符，则只有26个分区。你不想这样，如果还有别的，你会成为热点。有些行会很短，因为没有太多以特定字母开头的单词，而另一些行会非常、非常长，甚至可能超出了使用的范围。是的，Cassandra有一个每行20亿列的限制，但建议将行的大小保持在数百万。如果您只想访问“AIRPORT”，您也不想访问所有以“A”开头的单词

您需要一个尽可能随机的高质量分区键，以便这些行可以轻松地分散在整个集群中。另一方面，它必须反映您的访问模式。在你的情况下，你不想看到一个单词或一组单词的统计数据。通过分区/主分区进行访问基本上与使用Cassandra时一样快

---

至于集群密钥，这或多或少是显而易见的，您可以使用文章标题，或者，我要做的是实际使用一个文章标识符（UUID之类的）作为集群密钥。文章标题可能会更改（打字错误？），您当然不想在所有行中重复更改标题

如果不知道该表将提供的查询，很难说。查询如下：从反向索引中选择*哪个单词（word1，word2，…）；你看过sasi索引了吗？我刚看过。实际上我不认为我需要创建索引