Cassandra中相同主键的重复行/列

我在Cassandra 3.7中有一个带有sensordata的表/列系列

CREATE TABLE test.sensor_data (
    house_id int,
    sensor_id int,
    time_bucket int,
    sensor_time timestamp,
    sensor_reading map<int, float>,
    PRIMARY KEY ((house_id, sensor_id, time_bucket), sensor_time)
) 

我认为部分问题在于，这些数据都是使用java和Datastax java驱动程序“实时”编写的，并且它是使用sstableloader与来自另一个源的历史数据一起加载的

无论如何，这是不可能的。 我无法将遗留的cassandra cli连接到此集群，也许这会告诉我一些使用cqlsh无法看到的事情

因此，问题是：
*在已知情况下是否会发生这种情况？
*我可以使用cqlsh读取更多原始数据吗？具体写这两行的时间。writetime（）-函数不能对主键或集合进行操作，这就是我所拥有的

谢谢

更新：

这是我从评论、答案和其他来源尝试过的
*选择using blobAsBigInt会为所有相同的行提供相同的大整数
*启用thrift后，可以使用cassandra cli进行连接，但无法读取表。3.x之后不支持它
*正在使用sstabledump进行转储，但预计还需要一到两周的时间；）

“传感器时间”是主键的一部分。它不在“分区键”中，而是“集群列”。这就是为什么会有两行

但是，在磁盘表中，两个“可视行”都存储在单个Cassandra行上。实际上，它们只是不同的列，CQL只是假装它们是两个“可视行”

澄清-我有一段时间没有与卡桑德拉合作过，所以我可能没有使用正确的术语。当我说“可视行”时，我指的是CQL结果显示的内容

更新

您可以创建以下实验（请忽略并修复我将要做的任何语法错误）

此假定使用复合主键的do表：

• “状态”是“分区键”，并且
• “城市”是“聚集柱”
  创建桌面城市( state int， 城市国际， 名称文本， 主键（（州）、城市） );
  将值（1,1，'纽约'）插入城市（州、城市、名称）； 在城市（州、城市、名称）中插入值（1、2、“Corona”）
  从state=1的城市中选择*

这将返回如下结果：

1, 1, New York
1, 2, Corona

但在磁盘上，它将存储在一行中，如下所示：

+-------+-----------------+-----------------+
| state | city = 1        | city = 2        |
|       +-----------------+-----------------+
|       | city | name     | city | name     |
+-------+------+----------+------+----------+
| 1     | 1    | New York | 2    | Corona   |
+-------+------+----------+------+----------+

当您有这样的复合主键时，您可以在其上选择或删除，例如

select * from cities where state = 1;
delete from cities where state = 1;

在问题中，主键定义为：

PRIMARY KEY ((house_id, sensor_id, time_bucket), sensor_time)

这意味着

• “房屋id”、“传感器id”、“时间桶”是“分区密钥”，并且
• “传感器时间”是“群集列”

因此，当您选择时，实际行将被吐出并显示为有多行

更新

主键定义由两部分组成：分区键 和聚类列。第一部分映射到存储引擎 行键，而第二个用于对行中的列进行分组。在 存储引擎列通过在其名称前加前缀进行分组 集群列的值。这是一个标准的设计模式 当使用Thrift API时。但现在CQL负责将 将列值聚集到表中的非关键字段中，或从中聚集

---

然后阅读“复合Enchilada”中的解释。

我不希望在时间戳字段中看到纳秒，而且我觉得它们完全不受支持？试试这个：

从test.sensor\u data中选择house\u id、sensor\u id、time\u bucket、blobAsBigint（sensor\u time）

我可以通过一个整数插入行来复制它：

插入传感器数据（房屋id、传感器id、时间桶、传感器时间）值（1,2,41451692800000）；
将值（1,2,41451692800001）插入传感器数据（房屋id、传感器id、时间桶、传感器时间）；

这是有道理的，因为我怀疑您的一个驱动程序正在使用bigint插入时间戳，而另一个很可能实际使用了datetime

尝试同时使用时区和大整数来复制此。。。似乎只有bigint是可复制的

 house_id | sensor_id | time_bucket | sensor_time              | sensor_reading
----------+-----------+-------------+--------------------------+----------------
        1 |         2 |           3 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-01 23:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 01:01:00+0000 |           null

编辑：尝试了一些用bigint代替datetime插入的恶作剧，成功地复制了…
我不认为这是真的，至少在3.x之后不会。无论它是如何保存的，如果整个主键相同，则在读取时都应该对其进行过滤。datastax网站对此有很好的解释，但我找不到它。我将用你能做的实验进行编辑。你能用cassandra cli检查数据吗？不，cassandra cli在3.x中不受支持。我可以做sstabledump，但是数据文件很大，而且该工具不提供任何过滤。我相信这两行的传感器时间不同，但是会被截断并显示为时间相同。你也可以问卡桑德拉邮件列表。你知道发生了什么吗？没有。我改成代码删除重复的邮件，如果发现的话。我猜“bug”或其他什么东西仍然存在。像你这样用整数插入也会给我两行，但是，它们显示了正常打印和用
blobAsBigInt
打印的不同值。在我的大型集群上运行此命令时，我得到了所有3行的
blobAsBigInt
的相同值。@安德烈，我也有点不知所措。根据我对卡桑德拉的了解，你所拥有的应该是不可能的。我很想知道你的调查结果。再想一想，您是否正在查询多个节点？descripe test.sensor_data的输出是什么？我可以从

上的跟踪中看到，我只查询了一个节点。查询其他节点或添加

一致性all

会产生相同的结果，因此此“错误”出现在所有保存数据的节点上。。。我会用descripe表进行验证，并确保键实际上是相同的。。。试着复制这个问题。。。。

 house_id | sensor_id | time_bucket | sensor_time              | sensor_reading
----------+-----------+-------------+--------------------------+----------------
        1 |         2 |           3 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-01 23:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 00:00:00+0000 |           null
        1 |         2 |           4 | 2016-01-02 01:01:00+0000 |           null