Cassandra 使用 PRIMARY KEY 排序的最佳实践

Question

最初我有一个这样的 cassandra 表：

CREATE TABLE table (
open_time timestamp, 
open double, 
close double, 
high double, 
low double, 
volume bigint, 
PRIMARY KEY(open_time));



open_time                       | close  | high   | low   | open   | volume
---------------------------------+--------+--------+-------+--------+--------
 2020-08-05 06:00:00.000000+0000 | 181.53 | 184.32 | 181.1 | 184.32 |    100
 2020-08-04 06:00:00.000000+0000 | 181.53 | 184.32 | 181.1 | 184.32 |    100

我需要执行查询以获取最新的 open_time。在注意到像

这样的查询之后

SELECT open_time FROM table ORDER BY open_time DESC LIMIT 1;

不允许，我想知道这里的最佳做法是什么。

我的想法是添加一个 id 列，我可以使用 open_time 作为聚类顺序。比如：

CREATE TABLE table (
id int,
open_time timestamp, 
open double, 
close double, 
high double, 
low double, 
volume bigint, 
PRIMARY KEY(id, open_time)
)
WITH CLUSTERING ORDER BY (open_time DESC);

这是完成工作的有效解决方案还是有更好的方法，例如没有额外 id 列的东西，因为我永远不会查询 id itslef。

最多的查询是这样的：

SELECT * FROM table WHERE open_time >= '2013-01-01 00:00:00+0200' AND  open_time <= '2013-08-13 23:59:00+0200';

谢谢！

Answer 1

CLUSTERING ORDER 在每个分区中强制执行磁盘排序顺序。因此，不可能通过您正在分区的同一键进行排序。由id 进行分区将面临类似的挑战，因为CLUSTERING ORDER BY open_time 将仅在每个id 内内执行。

我想知道这里的最佳做法是什么。

就像我今天早些时候在answer to a similar question 中提到的那样，此类模型通常通过时间分桶来解决。要选择最佳“存储桶”，您需要了解您的业务案例，例如每天的条目数以及查询要求。

举个例子，假设那个月效果最好。如果每一行包含一个值“YEAR-MONTH”，PK 定义将如下所示：

PRIMARY KEY (month_bucket,open_time))
WITH CLUSTERING ORDER BY (open_time DESC);

那么，你可以支持这样的查询：

SELECT * FROM table
WHERE month_bucket = '2013-08'
  AND open_time >= '2013-08-01 00:00:00+0200' AND  open_time <= '2013-08-13 23:59:00+0200';

同样，查询最近的条目只需要最近的（当前？）月份作为参数：

SELECT * FROM table
WHERE month_bucket = '2020-08'
LIMIT 1;

由于结果存储在每个month_bucket 中，并按open_time 降序排列，因此该查询将返回最近的条目。

我为 DataStax（几年前）写了一篇与此问题相关的文章。它已被移动到他们网站的一个新部分，该部分对格式进行了冲洗，但内容肯定在那里。读一读；希望对您有所帮助：We Shall Have Order!

Answer 2

如果 id 被提及作为主键，它必须包含在 where 子句中，否则它需要允许过滤。 您可以尝试使用“Select max(open_time)....”进行查询，否则您可以使用上面的 id，它会随着每条记录的增加而增加，结果，具有最高值的 id 总是有最新的记录。