Cassandra：如何在没有EQ或IN限制的PRIMARY KEY的情况下使用'ORDER BY'？
Cassandra: How to use 'ORDER BY' without PRIMARY KEY restricted by EQ or IN?
我在 Scylla（Cassandra 兼容数据库）中有一个 table 定义如下：
create table s.items (time timeuuid, name text, primary key (time));
我想运行一个在特定时间后获取所有项目的查询，类似于以下内容：
select * from s.items where time>7e204790-43bf-11e9-9759-000000000004 order by time asc;
但有人告诉我 ORDER BY is only supported when the partition key is restricted by an EQ or an IN. 要解决这个问题，我可以创建一个 table 并进行类似于以下的查询：
create table s.items (yes boolean, time timeuuid, name text, primary key (yes, time));
select * from s.items where yes=true and time>7e204790-43bf-11e9-9759-000000000004 order by time asc;
虽然这可行，但它似乎不是最佳解决方案。由于我对 Scylla 和 CQL 还很陌生，有没有 better/proper 方法来做到这一点？
类似问题已得到解答。例如这里：Cassandra Data modelling : Timestamp as partition keys
您需要设计一个合适的分区键，可能是年份取决于预期的数据量
您添加一个布尔键并始终将其设置为“是”的解决方案基本上会创建一个包含所有数据的巨大分区。这很少是您真正想要的。如果这个分区是你的全部数据，这意味着即使你有一个 10 节点的集群，每个节点上有 8 CPUs，集群中所有 80 个节点中只有 3 CPUs做任何工作（因为每个分区都属于某个 CPU，并且 RF=3 时有三个副本）。
如果您想知道为什么您的原始解决方案不起作用并且 Scylla 拒绝 "ORDER BY"，那么问题是尽管 Scylla 可以扫描整个 table 以查找之后的条目时间 X（您需要将 'ALLOW FILTERING' 添加到查询中），它没有有效的方法来 排序 它按时间找到的内容。在内部，不同的分区不是按分区键排序，而是按 "token"，分区键的哈希函数排序。这种具有随机化效果的散列对于平衡集群上所有 CPU 之间的负载很重要，但会阻止 Scylla（或 Cassandra）以原始密钥顺序读取分区。
您可以做的一件事是按照 Alex 上面的建议，这是您的原始设置和建议的解决方案之间的中间地带：每个分区不要有一个项目，或者所有项目都在一个分区中，但中间有一些东西：例如，假设在您的工作负载中，您每天收集 100MB 的数据。所以你使用天数作为分区键（而不是你的 bool）。某一天的所有数据都将位于一个分区中。 在 每天的分区中，不同的条目（行）将按聚簇键顺序排序，即时间。使用此设置，要在特定日期之后检索所有项目，只需开始逐日查询即可。例如，查询第 134 天，然后是第 135 天，然后是第 136 天，然后……在每一天中，结果都已经排序。所以问题解决了。
此技术是一种相当著名的 "time series" 数据建模。 Scylla（和 Cassandra）甚至为此模型调整了一个特殊的压缩策略，TWCS（time-window 压缩策略）。
我在 Scylla（Cassandra 兼容数据库）中有一个 table 定义如下：
create table s.items (time timeuuid, name text, primary key (time));
我想运行一个在特定时间后获取所有项目的查询，类似于以下内容：
select * from s.items where time>7e204790-43bf-11e9-9759-000000000004 order by time asc;
但有人告诉我 ORDER BY is only supported when the partition key is restricted by an EQ or an IN. 要解决这个问题，我可以创建一个 table 并进行类似于以下的查询：
create table s.items (yes boolean, time timeuuid, name text, primary key (yes, time));
select * from s.items where yes=true and time>7e204790-43bf-11e9-9759-000000000004 order by time asc;
虽然这可行，但它似乎不是最佳解决方案。由于我对 Scylla 和 CQL 还很陌生，有没有 better/proper 方法来做到这一点？
类似问题已得到解答。例如这里：Cassandra Data modelling : Timestamp as partition keys
您需要设计一个合适的分区键，可能是年份取决于预期的数据量
您添加一个布尔键并始终将其设置为“是”的解决方案基本上会创建一个包含所有数据的巨大分区。这很少是您真正想要的。如果这个分区是你的全部数据，这意味着即使你有一个 10 节点的集群，每个节点上有 8 CPUs，集群中所有 80 个节点中只有 3 CPUs做任何工作（因为每个分区都属于某个 CPU，并且 RF=3 时有三个副本）。
如果您想知道为什么您的原始解决方案不起作用并且 Scylla 拒绝 "ORDER BY"，那么问题是尽管 Scylla 可以扫描整个 table 以查找之后的条目时间 X（您需要将 'ALLOW FILTERING' 添加到查询中），它没有有效的方法来 排序 它按时间找到的内容。在内部，不同的分区不是按分区键排序，而是按 "token"，分区键的哈希函数排序。这种具有随机化效果的散列对于平衡集群上所有 CPU 之间的负载很重要，但会阻止 Scylla（或 Cassandra）以原始密钥顺序读取分区。
您可以做的一件事是按照 Alex 上面的建议，这是您的原始设置和建议的解决方案之间的中间地带：每个分区不要有一个项目，或者所有项目都在一个分区中，但中间有一些东西：例如，假设在您的工作负载中，您每天收集 100MB 的数据。所以你使用天数作为分区键（而不是你的 bool）。某一天的所有数据都将位于一个分区中。 在 每天的分区中，不同的条目（行）将按聚簇键顺序排序，即时间。使用此设置，要在特定日期之后检索所有项目，只需开始逐日查询即可。例如，查询第 134 天，然后是第 135 天，然后是第 136 天，然后……在每一天中，结果都已经排序。所以问题解决了。
此技术是一种相当著名的 "time series" 数据建模。 Scylla（和 Cassandra）甚至为此模型调整了一个特殊的压缩策略，TWCS（time-window 压缩策略）。