使用Cassandra获得最新的独特结果

我有一个服务可以处理不同服务上的用户状态。 多个DCs上的流量可能非常高，因此我认为Cassandra适合存储这些数据。
我只需要保留每个服务和用户的最新更新。
我想创建这个表：

CREATE TABLE db.state (
   service uuid,
   user uuid,
   updated_at timestamp,
   data varchar,

   PRIMARY KEY (service, user, updated_at)
) WITH CLUSTERING ORDER BY (updated_at DESC);

问题是如何查询最新的100个唯一用户状态。
使用此查询：

选择服务、用户、数据，在FROM db.state处更新，其中服务=：服务限制100

如果某个用户有很多更新，我不会得到最新的100个用户，而是更少。 我不想合并客户端中的唯一用户，因为为了获得100个用户，有时需要获得10000行

我想到了两个都有问题的解决方案：

使用

主键（服务，用户）

和 使用

主键（服务、用户、，
更新地址）

。但这会影响性能

使用

主键（服务，用户）

创建表并读取 在写入之前具有完全一致性，以检查是否未写入较旧的更新。但这就放弃了可用性和一种反模式 卡桑德拉

有没有一种不用先读后写/物化视图的方法

---

编辑 写入不一定按顺序进行，因此时间戳是在外部提供的。
我不需要保存历史记录，只需保存最后一次更新（通过外部时间戳）。

供您选择：

使用主键（service，user）创建主表，并使用主键（service，user，Update_at）创建物化视图。但是 这将影响性能

物化视图并不会对性能造成太大的影响，而且写入路径非常快，所以我不必担心这一点，但MVs当前存在很多问题，并且标记为实验性视图是有原因的——我不推荐它们，否则在当前版本中您将面临很多一致性问题

使用主键（服务、用户）创建表，并使用完整的 写入前保持一致性，以检查是否未写入较旧的更新。 但这让卡桑德拉失去了可用性和反模式

也许我遗漏了一些你没有解释的要求，但你不需要在写之前先读一读。对我来说，这似乎是迄今为止最好的解决办法。当您有一个更新时，将更改推送到（服务，用户）表中，然后当您从表中读取时，您将获得每个用户的最新更新。在使用paxos的insert/update中，总是有

IF存在
或IF子句

如果您需要历史记录（不仅仅是最新的），并且不需要第二张表，您可以使用group by：

CREATE TABLE state (  // simplified a little
   service int,
   user int,
   updated_at timeuuid,
   data text,
   PRIMARY KEY (service, user, updated_at)
) WITH CLUSTERING ORDER BY (user ASC, updated_at DESC);

INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 1, now(), '1');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 1, now(), '2');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 1, now(), '3');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 2, now(), '1');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 2, now(), '2');
INSERT INTO state (service, user, updated_at, data) VALUES ( 2, 1, now(), '1');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 3, now(), '2');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 3, now(), '3');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 3, now(), '1');
INSERT INTO state (service, user, updated_at, data) VALUES ( 1, 3, now(), '2');

SELECT * FROM state WHERE service = 1 GROUP BY service, user;

 service | user | updated_at                           | data
---------+------+--------------------------------------+------
       1 |    1 | 7c2bd900-981e-11e9-a27a-7b01c564a3f0 |    3
       1 |    2 | 7c2d1180-981e-11e9-a27a-7b01c564a3f0 |    2
       1 |    3 | 7c88c610-981e-11e9-a27a-7b01c564a3f0 |    2

它的效率并不惊人，但只要您不让单个服务分区变得太大，它就可以工作。实际上，我强烈建议在其中添加一个日期组件/桶，如：

CREATE TABLE state (
   bucket text
   service int,
   user int,
   updated_at timeuuid,
   data text,
   PRIMARY KEY ((bucket, service), user, updated_at)
) WITH CLUSTERING ORDER BY (user ASC, updated_at DESC);

其中bucket是YYYY-MM-DD字符串（或YYYY-WEEKOFYEAR或其他内容）。然后大约在边界时间查询当前和最后一个bucket。否则，分区将不断增长，直到出现问题。
谢谢您的回答。我补充了解释：“写入不一定是按顺序进行的，所以时间戳是外部提供的。”对于你的问题，我不需要历史记录