Pyspark 如何在CQL中验证所有行是否已成功地从CSV复制到Cassandra表***SELECT语句不会返回所有结果

我试图通过使用公共数据集来理解卡桑德拉。 我已经将CSV中的150万行插入到我本地Cassandra实例的一个表中，其中REPLICATION={'class'：'SimpleStrategy'，'REPLICATION_factor'：1}
该表是用

我得到确认，150万行已被处理。

但是当我在桌子上跑步时，我总是最多跑182行。  第二，这个数字对我来说毫无意义。我从卡桑德拉的架构和质疑的角度遗漏了什么

---

最后，我还尝试从pyspark shell中读取相同的Cassandra表，它似乎也读取了182行。

您的主键是

主键（状态、严重性）

。使用此主键定义，处于相同严重性的相同状态的事故的所有行将相互覆盖。您的数据集中可能只有182种不同的（状态、严重性）组合

您可以包括另一个集群列来记录唯一的事故，如事故id

本博客强调了主键的重要性，并提供了一些示例：

---

您可以尝试使用nodetool tablestats us\u获取有关名称空间和表的总大小的信息。可能您的某些主键存在于多行上，并且会不断被覆盖。是的，您的答案是正确的。我用

主键（state，ID）

重新创建了表，并且在CQL查询中返回了更多的行。谢谢你@bswynn和@Ersoy