Cassandra，从仅附加的表中筛选最新的行

目前，我有一个简单的表，如下所示：

CREATE TABLE datatable (timestamp bigint, value bigint,  PRIMARY KEY (timestamp))

此表仅在增长，从未被修改。密钥是唯一的时间戳。所有查询都是以下形式的范围查询：

SELECT * from datatable WHERE timestamp > 123456 ALLOW FILTERING

此外，查询只请求插入的一小部分最新行。我现在遇到的问题是，这些查询的性能与表大小呈负相关。随着表的增长，即使查询只返回几行，获取响应所需的时间也会显著延长

您能否建议我如何修改表模式以避免性能下降（例如，创建索引或设置集群）？

---

谢谢

添加一些类似于

CREATE TABLE datatable (
  bucket timestamp,
  time timestamp,
  value bigint,
  PRIMARY KEY ((bucket), time)
) WITH CLUSTERING ORDER BY (time DESC);

其中bucket是被截断为天、周或月的日期（可以根据大约的摄取率计算出有多少行，一个合理的目标是每个分区大约64mb，但这是非常灵活的），这样您就可以非常高效地在单个分区内收集一段时间内的所有行

每个节点拥有数十亿个分区将大大降低修复和压缩的速度。此外，分区顺序是随机的（分区键顺序的3个散列），所以您不能按顺序执行上面的查询

---

有了以上内容，您就可以从开始时间的bucket到当前bucket进行迭代，而不需要

允许过滤
（您永远不应该在大量数据或测试环境之外使用它），结果将按照时间戳的顺序进行。
添加一些时间bucket，如

CREATE TABLE datatable (
  bucket timestamp,
  time timestamp,
  value bigint,
  PRIMARY KEY ((bucket), time)
) WITH CLUSTERING ORDER BY (time DESC);

其中bucket是被截断为天、周或月的日期（可以根据大约的摄取率计算出有多少行，一个合理的目标是每个分区大约64mb，但这是非常灵活的），这样您就可以非常高效地在单个分区内收集一段时间内的所有行

每个节点拥有数十亿个分区将大大降低修复和压缩的速度。此外，分区顺序是随机的（分区键顺序的3个散列），所以您不能按顺序执行上面的查询

通过以上操作，您可以从开始时间的存储桶迭代到当前存储桶，而无需
允许过滤
（您永远不应该在大量数据或测试环境之外使用它），结果将按照时间戳的顺序进行。
允许过滤
将扫描所有节点，而且不建议这样做-这就是为什么您会出现性能问题的原因。你可以添加更多关于你想要实现什么的详细信息吗？专业提示，如果你发现自己需要在Cassandra中使用
允许筛选
，你可能做得不对。
允许筛选
会导致扫描所有节点，不建议这样做-这就是你存在性能问题的原因。你能为你想要实现的目标添加更多细节吗？专业提示，如果你发现自己需要在Cassandra中使用
允许过滤
，你可能做错了。这正是我要说的！有许多与cassandra相关的示例，其中GUID用作主键。GUID似乎与时间戳具有相同的性能问题。是否也应该使用
bucket
来防止性能下降？只有在存在数十亿的情况下，小分区才是一个真正的问题，这种情况发生在上面的时间序列中，但通常不会发生在实体类型的事情中，所以它并不总是一个问题。除了时间序列/队列类型之外，这通常是过度的。如果对GUID键执行了此操作，您可能希望使用基于GUID的某种人工键，以便在不知道添加日期的情况下为查找生成键，即将mod GUID作为bigint添加3000万以保持最大常量3000万个键，或者如果希望能够调整键数，则使用jumphash/rendezvous哈希。这正是我要说的！有许多与cassandra相关的示例，其中GUID用作主键。GUID似乎与时间戳具有相同的性能问题。是否也应该使用
bucket
来防止性能下降？只有在存在数十亿的情况下，小分区才是一个真正的问题，这种情况发生在上面的时间序列中，但通常不会发生在实体类型的事情中，所以它并不总是一个问题。除了时间序列/队列类型之外，这通常是过度的。如果对GUID密钥执行了此操作，则可能需要使用基于GUID的某种人工密钥，以便在不知道添加日期的情况下为查找生成密钥，即将mod GUID作为bigint添加3000万以保持最大恒定值3000万个密钥，或者如果希望能够调整密钥数，则使用jumphash/rendezvous哈希。