Cassandra 二级索引的高可用性和性能考虑

Question

我有一个设置: 5 Cassandra node cluster with RF =3, I performed a secondary index for a column in table 'user',

1) 根据我使用 link 对二级索引的研究： https://www.datastax.com/dev/blog/cassandra-native-secondary-index-deep-dive 我了解到二级索引将存储在本地节点中。这是否意味着在五节点集群中只有一个节点的二级索引可用？如果不在 user table 的 RF =3 中，二级索引 table 将在多少个节点中可用？

2) 下面两个查询在执行上有何不同？

   CREATE TABLE user(
    user_group int PRIMARY KEY,
    user_name text,
    user_phone varint
   );

  CREATE INDEX username_idx ON user (user_name);

在此 table 设置中，

查询 1 : SELECT * 来自用户 WHERE user_name = 'test';

查询 2 : SELECT * FROM user WHERE user_group = 1 AND user_name = 'test';

以上两个查询会经过多少个节点（在5节点集群中）执行，这两个查询在性能上有何不同？

已编辑：

假设我有一个 table 如下所示，

CREATE TABLE nodestat (
    uniqueId text,
    totalCapacity int,
    physicalUsage int,
    flashMode text,
    timestamp timestamp,
    primary key (uniqueId, timestamp)) 
    with clustering order by (timestamp desc);

CREATE CUSTOM INDEX nodeIp_idx ON nodestat(flashMode)

查询 3：select * 来自 nodestat，其中 uniqueId = 'test' AND flashMode = 'yes'

所以在这种情况下，我总是在 table 中只有一个分区，那么与没有分区键的二级索引相比，二级索引搜索有何不同？效率如何？

Answer 1

请注册您的问题 1：

这是否意味着在五节点集群中只有一个节点可用二级索引？

二级索引在集群的每个节点中都可用，它建立在该节点中的数据之上，并且它只是该节点的本地数据。也就是说，它只知道该特定节点中的主键。您可以将二级索引想象成一个查找 table 并引用该节点上的主键。

所以每个节点都建立自己的二级索引（在你的例子中是所有 5 个），但不知道彼此的引用。

如果不在用户 table 的 RF =3 中，二级索引 table 将在多少个节点中可用？

二级索引没有复制因子，因为它对每个节点都是本地的。由于您的数据已经被复制 RF = 3，因此每个节点中的二级索引都将被编入索引。

请注册您的问题 2：

Query 1 : SELECT * FROM user WHERE user_name = 'test';

此查询将在集群中的所有节点上执行分散收集。由于二级索引对于每个节点都是本地的，因此每个节点（在您的情况下都是 5 个节点）都必须执行查询 -> 执行二级索引查找以找出分区键 -> 然后将实际结果取回协调器。

随着table变大，查询经常会超时。在极端情况下，它可以关闭节点（就像 "select *" 没有分区键）。 因此在 Cassandra 中通常不鼓励二级索引和这种类型的查询（没有分区键），最好避免它们

Query 2 : SELECT * FROM user WHERE user_group = 1 AND user_name = 'test';

与上一个查询相比，此查询的性能会更好，因为它对分区键进行了筛选。在上面的 table 定义中没有聚簇列，所以这个查询将只过滤主键，因为每个分区只有一行。因此，二级索引没有太大改进。总的来说，它不是一种分散聚集的查询类型，因此性能要好得多。

已编辑以解释查询 3

Query 3 : select * from nodestat where uniqueId = 'test' AND flashMode = 'yes'

在此查询中，二级索引与分区键结合使用。如果给定的分区键存在 1000 个集群列并且我们希望快速缩小结果集的范围，则此二级索引会有所帮助。请记住，二级索引存储整个主键（分区键 + 集群列引用）。因此，在宽分区的情况下，当与分区键一起使用时，这个二级索引被证明是有用的。

例如，在您的情况下，假设只有一个分区 uniqueId = 'test'。但是在那个分区 'test' 中，假设有 10000 个不同的时间戳值（聚类列）。因此 "flashMode" 可能有 10000 个不同的值。此二级索引将有助于缩小到分区 'test' 中 10000 个匹配项中具有值 "yes" 的 "flashMode" 列。

Cassandra 二级索引的高可用性和性能考虑

High Availability & Performance consideration with secondary index in Cassandra

indexing

cassandra

cassandra-3.0