使用二级索引更新 Cassandra 2.1 中的行

Question

我正在使用 Cassandra 2.1 并且有一个大致如下所示的模型：

CREATE TABLE events (
  client_id bigint,
  bucket int,
  timestamp timeuuid,
  ...
  ticket_id bigint,
  PRIMARY KEY ((client_id, bucket), timestamp)
);
CREATE INDEX events_ticket ON events(ticket_id);

如您所见，我在 ticket_id 上创建了二级索引。该索引工作正常。 events 包含大约 1 亿行，而其中只有 500 万行具有大约 50,000 张不同的票证。所以一张票 - 平均 - 有 100 个事件。

无需提供分区键即可查询二级索引，这在我们的情况下很方便。由于 bucket 列有时很难事先确定（即您应该知道事件的日期，bucket 是当前日期）。

cqlsh> select * from events where ticket_id = 123;

 client_id | bucket | timestamp | ... | ticket_id
-----------+--------+-----------+-----+-----------

(0 rows)

一张工单的所有事件都应该移动到另一张工单的问题如何解决？ IE。以下查询将不起作用：

cqlsh> UPDATE events SET ticket_id = 321 WHERE ticket_id = 123;
InvalidRequest: code=2200 [Invalid query] message="Non PRIMARY KEY ticket_id found in where clause"

这是否意味着二级索引不能用于 UPDATE 查询？

我应该使用什么模型来支持这些变化？

Answer 1

您可以使用二级索引查询旧票的事件，然后使用检索到的事件中的主键来更新事件。

我不确定您为什么需要手动执行此操作，似乎 Cassandra 应该能够在后台执行此操作。

Answer 2

首先，UPDATE 和 INSERT 操作在 Cassandra 中被视为相同。他们通俗地称为 "UPSERTs."

Does this imply secondary indexes cannot be used in UPDATE queries?

正确。如果不指定完整的 PRIMARY KEY，则无法在 Cassandra 中执行 UPSERT。即使是带有部分 PRIMARY KEY 的 UPSERT 也不起作用。并且（正如您所发现的）通过索引值进行 UPSERTing 也不起作用。

How do I solve the problem when all events of a ticket should be moved to another ticket?

不幸的是，完成此操作的唯一方法是查询 events 中每一行的键（具有特定的 ticket_id）并通过这些键进行 UPSERT ticket_id。好处是，您不必首先 DELETE 它们，因为 ticket_id 不是 PRIMARY KEY 的一部分。

How do I solve the problem when all events of a ticket should be moved to another ticket?

我认为您最好的计划是完全放弃二级索引，并创建一个查询 table 与您的 events table:

一起工作

CREATE TABLE eventsbyticketid (
  client_id bigint,
  bucket int,
  timestamp timeuuid,
  ...
  ticket_id bigint,
  PRIMARY KEY ((ticket_id), timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC);

这将允许您通过 ticket_id 快速查询（以获取您的 client_id、bucket 和 timestamp。这将为您提供所需的信息在你的 events table.

上更新新的 ticket_id

您还可以通过 ticket_id（在 eventsbyticketid table 上）执行 DELETE。只要您拥有完整的分区键 (ticket_id)，Cassandra 就允许使用部分主键进行 DELETE 操作。因此，从查询 table 中删除旧的 ticket_id 会很容易。为了确保写入原子性，您可以将 UPSERT 批处理在一起：

BEGIN BATCH
  UPDATE events SET ticket_id = 321 WHERE client_id=2112 AND bucket='2015-04-22 14:53' AND timestamp=4a7e2730-e929-11e4-88c8-21b264d4c94d;
  UPDATE eventsbyticketid SET client_id=2112, bucket='2015-04-22 14:53' WHERE ticket_id=321 AND timestamp=4a7e2730-e929-11e4-88c8-21b264d4c94d
APPLY BATCH;

其实和表演是一样的：

BEGIN BATCH
  INSERT INTO events (client_id,bucket,timestamp,ticketid) VALUES(2112,'2015-04-22 14:53',4a7e2730-e929-11e4-88c8-21b264d4c94d,321);
  INSERT INTO eventsbyticketid (client_id,bucket,timestamp,ticketid) VALUES(2112,'2015-04-22 14:53',4a7e2730-e929-11e4-88c8-21b264d4c94d,321);
APPLY BATCH;

旁注：timestamp 实际上是 Cassandra 中的一种（保留字）数据类型。这使得它成为 timeuuid 列的一个非常糟糕的名称。

使用二级索引更新 Cassandra 2.1 中的行

Using secondary indexes to update rows in Cassandra 2.1

cassandra

cassandra-2.1