Cassandra 使用minTimeuuid和maxTimeuuid查询分页

我有一个带有Timeuuid主键的cassandra表，我想在不同的处理节点上分块处理整个表

因此，我想我可以使用minTimeuuid/maxTimeuuid将处理分块：

• 为了开始他们的工作，每个节点将获得一个他们应该从Cassandra获得的时间范围，查询并处理它
• 数据密度相当均匀，因此不应该存在任何问题

让我吃惊的是，如果我这么做：

   SELECT * FROM myTable
   WHERE t > maxTimeuuid('2013-01-01 00:05+0000')
   AND t < minTimeuuid('2013-02-02 10:00+0000')

PK实际上不需要是这4个参数的集合，因为我在某个时候意识到没有计划对这些参数进行查询。当时我认为我可以在Timeuuid上进行范围查询，因此我认为我可以这样做：

CREATE TABLE cgr.reports (
    pk_uuid Timeuuid,
    data_1 text,
    data_2 text,
    data_3 bigint,
    data_4 bigint,
    some_data text,
    PRIMARY KEY ((pk_uuid))
);

我真正想做的是在不同的节点之间分割处理。我想一种方法是查询所有行id并将它们的块发送到各个节点。我知道这会对我目前的音量起作用，我只是担心以后它会增长

---

谢谢你的帮助

您可以这样做：

CREATE TABLE cgr.reports (
    timebucket int,
    pk_uuid Timeuuid,
    data_1 text,
    data_2 text,
    data_3 bigint,
    data_4 bigint,
    some_data text,
    PRIMARY KEY (timebucket, pk_uuid)
);

CREATE TABLE cgr.reports (
    pk_uuid Timeuuid,
    data_1 text,
    data_2 text,
    data_3 bigint,
    data_4 bigint,
    some_data text,
    PRIMARY KEY (data_1, pk_uuid)
);

其中timebucket是pk\u uuid模某些数some_number应该足够高，以便将数据平均分配到节点，足够低，以便为工作人员聚合一些数据量，而不是频繁查询许多小数据块。每个工人都会分配分工提醒，并只处理这些值

然而，完美的方法是这样的：

CREATE TABLE cgr.reports (
    timebucket int,
    pk_uuid Timeuuid,
    data_1 text,
    data_2 text,
    data_3 bigint,
    data_4 bigint,
    some_data text,
    PRIMARY KEY (timebucket, pk_uuid)
);

CREATE TABLE cgr.reports (
    pk_uuid Timeuuid,
    data_1 text,
    data_2 text,
    data_3 bigint,
    data_4 bigint,
    some_data text,
    PRIMARY KEY (data_1, pk_uuid)
);

其中，数据_1具有较高的基数，并且为您的工作人员所知。这会将数据平均分割到您的集群，并且允许在pk_uuid上进行时间范围查询。每个工人都分配了数据_1值，并仅处理这些值

编辑： Timeuuid选择解释：

我还没有测试过，但我的理解如下：

Timeuuid基本上是Time+UUID。因此，如果您可以只询问Cassandra查询：

t > minTimeuuid(x) AND t < maxTimeuuid(y)

t>minTimeuuid（x）和t

其中x 但是九九之后呢？它是（y+1滴答）\ u 000-它是minTimeuuid（y+1）。因此，执行查询：

t > minTimeuuid(x) AND t < minTimeuuid(y+1)

t>minTimeuuid（x）和t

您将选择范围内的时间（x_000，y+1_000）。您不会选择y+1_000或y+1_389，但会选择y_999

与此相邻的下一个查询将是：

t > maxTimeuuid(y) AND t < minTimeuuid(z+1)

t>maxTimeuuid（y）和t

这里的时间范围是（y_999，z+1_000）。因此，您不会选择y_999

---

然而，请注意，这只是我的理解，请让我知道你测试后，如果它的工作。更重要的是，根据您的驱动程序，这可能会有所不同，正如C#驱动程序实现所示：

您可以发布您的表定义吗？另外，你不能在分区键上进行范围查询，所以你需要有一个分区键，然后是一个集群键来查询你的范围。我理解你的意思，这样分割工作是个好主意。我唯一不清楚的部分是范围查询是如何工作的，因为边界是非包容性的。据我所知，如果一个窗口的上限是“2013-02-02 10:00+0000”，而下一个下限是相同的（“2013-02-02 10:00+0000”），那么理论上会有一个小裂缝，在那里行可以滑入。@CodeHerder我已经更新了我的答案。然而，这是理论，所以请测试它，让我知道它是否有效。