Cassandra：选择分区键

我还不确定使用一个非常常见的共享列值（如

Country

）作为复合主键的分区键，还是使用一个非常独特的列值（如

Last\u Name

）更好，性能更好

看看我得到的：

“何时使用索引： Cassandra的内置索引是最好的 包含索引值的多行。越唯一 存在于特定列中的值，开销越大 平均而言，您可以查询和维护索引。例如， 假设您有一个拥有10亿用户的用户表，并且想要查看 根据用户居住的州对用户进行分类。许多用户将共享相同的数据 状态的列值（如CA、NY、TX等）。这将是一个 索引的最佳候选。“

“不使用索引时： 不要使用索引来查询大量记录以获取少量数据 结果数。例如，如果在列上创建索引 如果具有许多不同的值，则会在字段之间进行查询 许多人追求的结果很少。在拥有10亿用户的表格中， 通过用户的电子邮件地址查找用户（该值通常为 对于每个用户来说都是唯一的）而不是根据他们的状态，可能是非常重要的 效率低下。手动维护可能更有效 将表作为索引的形式，而不是使用Cassandra 内置索引。对于包含唯一数据的列，有时 良好的性能明智地使用索引，只要 对具有索引列的表的查询量适中，并且不是很高 在恒定载荷下。”

为了

“查询复合主键和排序结果”，我看到类似UUID的东西被用作分区键这表示最好使用比较独特的东西

---

您编写的文档中的索引是指辅助索引。在卡桑德拉有一个很好的例子。对于二级索引来说，拥有非常唯一的值确实是不好的，但是对于主键中的组件来说，这取决于我们关注的组件。在主键中，我们有以下组件：

主键（分区键、群集键\u 1…群集键\u n）

分区键用于在不同的节点之间分布数据，如果您希望节点之间保持平衡（即，在每个节点之间均匀分布数据），那么您希望分区键尽可能随机。这就是您的示例使用UUID的原因

集群键用于排序，因此使用特定集群键查询列可以更高效。这就是您希望您的值不唯一的地方，如果频繁使用唯一行，则会对性能造成影响

---

如果使用cql3，给定一个列族，则可以很好地解释发生的情况。

CREATE TABLE table1 (
  a1 text,
  a2 text,
  b1 text,
  b2 text,
  c1 text,
  c2 text,
  PRIMARY KEY ( (a1, a2), b1, b2) )
);

通过定义 主键（（a1，a2，…），b1，b2，…）

这意味着：

a1，a2。。。用于创建行键的字段，以便：

• 确定数据的分区方式
• 确定物理存储在一行中的内容
• 称为行键或分区键

b1，b2。。。列族字段用于聚集行键，以便：

• 在单行内创建逻辑集
• 允许更灵活的搜索方案，如范围
• 称为列键或群集键

对于每种可能的列键组合，所有剩余字段都被有效地多路复用/复制。下面是一个关于具有分区键和集群键的组合键的示例

如果要使用范围查询，可以使用辅助索引，或者（从cql3开始）可以将这些字段声明为集群键。就速度而言，将它们作为集群键将创建一个宽行。这会影响速度，因为您将获取多个群集键值，例如：

---

select*from accounts where Country>“意大利”和Country我相信您会得到答案，但这仍然可以帮助您更好地理解

CREATE TABLE table1 (
  a1 text,
  a2 text,
  b1 text,
  b2 text,
  c1 text,
  c2 text,
  PRIMARY KEY ( (a1, a2), b1, b2) )
);

这里分区键是（a1，a2），行键是b1，b2

对于每个新记录条目，分区键和行键的组合必须是唯一的

上面的主键可以这样定义

Node< key, value>

Node<(a1a2), Map< b1b2, otherColumnValues>>

Node<(a1a2), Map< string1, otherColumnValues>, Map< string2, otherColumnValues> .... Map< string100, otherColumnValues>>

节点
节点>

正如我们所知，分区键负责跨节点的数据分发

所以，如果您在表1中插入100条记录，它们具有相同的分区键和不同的行键。它将数据存储在同一个节点中，但列不同

逻辑上我们可以这样表示

Node< key, value>

Node<(a1a2), Map< b1b2, otherColumnValues>>

Node<(a1a2), Map< string1, otherColumnValues>, Map< string2, otherColumnValues> .... Map< string100, otherColumnValues>>

节点，映射。。。。映射>

因此，记录将按顺序存储在内存中。
我想知道使用集群键和范围查询时的性能。该文档非常明确地表示只使用二级索引进行相等性比较，因为范围比较将使用Cassandra迭代结果进行比较（由于键索引）。你知道吗？使用聚类键（即不构成行/分区键的主键部分）的范围查询是如何进行的？二级索引有效地创建了由所选列分区的哈希行键组成的二叉树。而列键用于索引行中的列。仅当列值的基数较低（例如国家或邮政编码）时才应使用二级索引主键（（a1），b1，b2））与主键（a1，b1，b2）相同。可以使用聚类语法加快复合/复合主键中的列键，例如：使用聚类顺序by（b1 DESC）；在这种情况下，降序查询将比升序查询更快。如果您愿意，这将非常有用