获取Cassandra中每个分区键的第一行

在执行重复数据消除的ETL工作期间，我考虑将Cassandra作为中间存储

假设我有一个事件流，每个事件都有一些业务实体id、时间戳和一些值。我只需要获取每个业务密钥的事件内时间戳的最新值，但事件可能是无序的

我的想法是使用业务id作为分区键，时间戳作为集群键来创建临时表：

CREATE TABLE sample_keyspace.table1_copy1 (
 id uuid,
 time timestamp,
 value text,
 PRIMARY KEY (id, time)
) WITH CLUSTERING ORDER BY ( time DESC )

现在，如果我在此表中插入一些数据，我可以得到某个给定分区键的最新值：

select * from table1 where id = 96b29b4b-b60b-4be9-9fa3-efa903511f2d limit 1;

但这需要对我感兴趣的每个业务密钥发出这样的查询

有什么有效的方法可以在CQL中实现吗

我知道我们能够列出所有可用的分区键（通过

从表1中选择distinct id

）。所以，若我研究Cassandra的存储模型，为每个分区键获取第一行应该不会太难

支持吗？

一句话：不支持

分区键是Cassandra基本上可以处理任意数量数据的原因：它使用分区键的散列来决定在何处放置/查找数据。这就是为什么CQL选择总是需要对整个分区键执行相等过滤器的原因。为了找到每个

id

的第一个

时间

，Cassandra必须向所有节点请求数据的任何分区，然后对每个节点执行复杂的操作。关系数据库允许这样做，但Cassandra不允许。它只允许全表扫描（

SELECT*fromtable1

）或分区扫描（

selectdistinctiveid fromtable1

），但不能*链接到任何复杂操作

---

*)我在这里省略了

允许筛选

，因为它在这种情况下没有帮助。

如果您使用的是3.6之后的版本，则查询中有一个名为

每个分区限制

（）的选项，您可以将其设置为

1

。在3.10之前，此操作不会在

cqlsh

中自动完成

SELECT * FROM table1 PER PARTITION LIMIT 1;