Cassandra：select 仅最新行

Question

我与以下 table 一起工作：

CREATE TABLE IF NOT EXISTS lp_registry.domain (
    ownerid text,
    name1st text,
    name2nd text,
    name3rd text,
    registrar text,
    registered timestamp,
    expiration timestamp,
    updated timestamp,
    technologies list<text>,
    techversions list<text>,
    ssl boolean,
    PRIMARY KEY (
        (name1st, name2nd, name3rd), 
        registrar, ownerid, registered, expiration, updated
    )
);

Table 不会更新，只会添加新行。每次爬虫检查域时，都会添加新行。

我正在表演这个select:

SELECT * FROM lp_registry.domain WHERE 
    registrar = 'REG-WEDOS' AND 
    ownerid = 'FORPSI-JAF-S497436' 
ALLOW FILTERING;

但我想要的结果只是每个唯一 "name3rd.name2nd.name1st" 具有最新 'updated' 值的行。

如果我在标准 SQL 数据库中，我会使用带 MAX 或 GROUP BY 的嵌套 select。但是，Cassandra (MAX(), DISTINCT and group by in Cassandra) 不支持此功能。但是我应该在 CQL 中做什么？

Answer 1

应修改整个架构。 SELECT 你正在做的，从你的应用程序的角度来看显然是一个重要的，不应该要求 ALLOW FILTERING：你应该对你的数据进行非规范化并创建一个 table 其中 registrar 和ownerid 是分区键。

在那个非规范化结构中，updated 应该是一个分区键，用 DESC 排序。那么查询将是

SELECT * FROM lp_registry.domain WHERE registrar='XXX' AND ownerid='YYY' LIMIT 10;

正如您所说的那样，行已插入但从未更新，在您的应用程序中插入新数据应该不会很复杂，如果有必要，多个非规范化 tables。

为您的 table 结构提供了更多详细信息和示例。

Answer 2

扩展到（这是一个很好的建议，并将其视为接受的答案）你会得到一个 table 结构，大致如下：

CREATE TABLE IF NOT EXISTS lp_registry.domain (
    ownerid text,
    name1st text,
    name2nd text,
    name3rd text,
    registrar text,
    registered timestamp,
    expiration timestamp,
    updated timestamp,
    technologies list<text>,
    techversions list<text>,
    ssl boolean,
    PRIMARY KEY ((registrar, ownerid), updated, name1st, name2nd, name3rd)
) WITH CLUSTERING ORDER BY (updated desc);

选择数据时，它将 return 行包含您正在查询的注册商和所有者 ID 分区中最新的 updated 值。

此查询将非常快，因为您的数据将由注册商、所有者 ID 和行按更新降序排列在磁盘上。

这是 cassandra 的一个关键概念，因为您的数据是根据您的查询方式组织的。您在查询中失去了灵活性，但您会感到欣慰table 您将获得出色的性能，因为您正在按组织方式检索数据。这就是为什么根据查询对数据进行非规范化至关重要。

如果您想检索最近更新的所有数据，事情就会变得复杂。这个问题不容易用 cassandra 解决，除非所有东西都共享同一个分区，它有自己的一组问题 ()。

Cassandra：select 仅最新行

Cassandra: select only latest rows

php

cql

cassandra

nosql

cassandra-2.2