我有一个表来存储无法处理的消息，我正在通过调度程序每 5 分钟重试一次处理消息。
当消息被成功处理后，表中的相应行被删除，因此相同的消息不应该再次被处理。
从表查询中获取行是SELECT * FROM <table_name> ，因此如果大量行被删除，我们将面临墓碑问题。
表以时间戳作为分区键，message_name(TEXT) 作为集群键，TTL 为 7 天，gc_grace_second 为 2 天
根据我的要求，我需要删除记录，否则将处理重复记录。有什么办法可以避免墓碑问题？
【问题讨论】：
标签： cassandra cassandra-3.0 tombstone
所以我在这里看到了两个问题。
SELECT * FROM <table_name> 查询，因为没有WHERE 子句。因此，对于 Cassandra，一些数据模型和用例将生成墓碑。到那时，除了设计数据模型以便不查询它们之外，没有太多工作要做。
所以我的想法是对表进行不同的分区。
CREATE TABLE messages (
day TEXT,
message_time TIMESTAMP,
message_text TEXT,
PRIMARY KEY ((day),message_time))
WITH CLUSTERING ORDER BY (message_time DESC);
使用此模型，您可以查询特定day 的所有消息。您还可以对day 和message_time 运行范围查询。例如：
SELECT * FROM messages
WHERE day='20210827'
AND message_time > '2021-08-27 04:00';
这将构建自2021-08-27 04:00 以来所有消息的结果集。在请求的时间范围之外（在本例中为 04:00 之前）生成的任何墓碑都不会被查询。
请注意（基于删除模式）您仍然可以在给定的时间范围内拥有墓碑。但这里的想法是，WHERE 子句限制了“爆炸半径”，因此查询较少数量的墓碑应该不是问题。
【讨论】：
SELECT * FROM messages WHERE day='20210827' AND message_time < current_timestamp - 5 minutes 进行查询，但我看到这将扫描当天的大部分记录，因为我们随着时间的推移而前进。
WHERE 子句中删除了 message_time 过滤器，您仍然只能扫描一天的消息，而不是来自多个分区（如您的原始查询所示） .无论我的回答中的具体细节如何，这里的主要目标是进行调整，以便您不会查询太多的墓碑。继续努力，您应该会看到一些改进。
很遗憾，没有快速解决您的问题的方法。
您面临的挑战是您将 Cassandra 用作队列，这不是一个好主意，因为您正好遇到了墓碑地狱。我相信您现在已经看到 this blog post 谈到队列和类似队列的数据集是 Cassandra 的反模式。
如果您在存储桶中对数据进行不同的建模，并且每个存储桶都映射到一个表，则可以避免生成大量墓碑。处理完存储桶中的所有项目后，TRUNCATE 表。这个想法来自 Ryan Svihla 在他的博客文章Understanding Deletes 中，他在其中经历了“分区表”的想法。干杯！
【讨论】：