Apache Cassandra 中的二级索引
Secondary index in Apache Cassandra
我尝试使用以下方法理解 Cassandra 中的二级索引 link：
假设我们有 5 个节点 N1、N2、N3、N4 和 N5 集群，复制因子为 3，这意味着分区数据将被复制到集群中的 3 个节点（比如 N1、N2 和 N3）。
现在当我执行这个查询时：
SELECT *
FROM user
WHERE partitionKey = "somedata" AND ClusteringKey = "test";
读取一致性为“2”
它将从节点N1、N2或N3中的任意两个节点进行查询
如果我在任何列上应用二级索引，下面的查询将执行多少个节点？
SELECT *
FROM user
WHERE partitionKey = "somedata" AND secondaryKey = "test";
我有两个问题：
- 根据视频，上述对二级索引的查询将从集群中的所有 5 个节点读取以在 secondaryIndexColumn 上进行搜索？这是正确的吗？
- 使用secondary Index是否会对性能产生其他影响？ - 如果能解释原因就太好了
通过评论补充讨论：
两个最新查询都将在两个节点上执行，因为您要提供分区键。通过这样做，Cassandra 查询引擎可以知道数据所在的确切节点。
如果您要运行以下查询：
SELECT *
FROM user
WHERE secondaryKey = "test";
这将 运行 在你的 table 中有数据的所有节点中，并且必须根据该辅助键扫描每个节点。
就像我说的，辅助键是节点本地的，这意味着如果你有用户 table 并且你的信息看起来像这样：
user_id user_name
---------------------------
1 a_very_cool_user
2 a_very_cooler_user
3 the_coolest_user
因此，如果我们将此数据分成三个分区，假设这三个节点中的每一个都只有一行：
- 节点 1 会 a_very_cool_user
- 节点 2 会 a_very_cooler_user
- 节点 3 会 the_coolest_user
并且如果您要索引 user_name 字段，那么节点 1 只会索引 a_very_cool_user 而不知道其他两个节点中的内容。同样适用于其他的。这就是本地二级索引在 Cassandra 中所做的。
Cassandra 将联系节点，直到它达到 return 行的 LIMIT 行，满足您的查询，或者直到它联系所有节点。它首先在第一轮联系一个节点，在第二轮联系两个节点，在第三轮联系四个节点，依此类推，从包含第一个令牌的节点开始。
您可以在本文（E 部分）中查看完整算法：https://www.datastax.com/dev/blog/cassandra-native-secondary-index-deep-dive
使用二级索引时要注意的一件事是索引列是否具有高基数，因为这将创建大量索引，从而使用大量磁盘 space。避免在这些列上使用二级索引。
我尝试使用以下方法理解 Cassandra 中的二级索引 link：
假设我们有 5 个节点 N1、N2、N3、N4 和 N5 集群，复制因子为 3，这意味着分区数据将被复制到集群中的 3 个节点（比如 N1、N2 和 N3）。
现在当我执行这个查询时：
SELECT *
FROM user
WHERE partitionKey = "somedata" AND ClusteringKey = "test";
读取一致性为“2”
它将从节点N1、N2或N3中的任意两个节点进行查询
如果我在任何列上应用二级索引，下面的查询将执行多少个节点？
SELECT *
FROM user
WHERE partitionKey = "somedata" AND secondaryKey = "test";
我有两个问题：
- 根据视频，上述对二级索引的查询将从集群中的所有 5 个节点读取以在 secondaryIndexColumn 上进行搜索？这是正确的吗？
- 使用secondary Index是否会对性能产生其他影响？ - 如果能解释原因就太好了
通过评论补充讨论：
两个最新查询都将在两个节点上执行，因为您要提供分区键。通过这样做，Cassandra 查询引擎可以知道数据所在的确切节点。
如果您要运行以下查询：
SELECT *
FROM user
WHERE secondaryKey = "test";
这将 运行 在你的 table 中有数据的所有节点中，并且必须根据该辅助键扫描每个节点。
就像我说的，辅助键是节点本地的，这意味着如果你有用户 table 并且你的信息看起来像这样：
user_id user_name
---------------------------
1 a_very_cool_user
2 a_very_cooler_user
3 the_coolest_user
因此，如果我们将此数据分成三个分区，假设这三个节点中的每一个都只有一行：
- 节点 1 会 a_very_cool_user
- 节点 2 会 a_very_cooler_user
- 节点 3 会 the_coolest_user
并且如果您要索引 user_name 字段，那么节点 1 只会索引 a_very_cool_user 而不知道其他两个节点中的内容。同样适用于其他的。这就是本地二级索引在 Cassandra 中所做的。
Cassandra 将联系节点，直到它达到 return 行的 LIMIT 行，满足您的查询，或者直到它联系所有节点。它首先在第一轮联系一个节点，在第二轮联系两个节点，在第三轮联系四个节点，依此类推，从包含第一个令牌的节点开始。
您可以在本文（E 部分）中查看完整算法：https://www.datastax.com/dev/blog/cassandra-native-secondary-index-deep-dive
使用二级索引时要注意的一件事是索引列是否具有高基数，因为这将创建大量索引，从而使用大量磁盘 space。避免在这些列上使用二级索引。