如何检索按时间戳分区的 Cassandra 表上的最后 10 次插入？答案

【问题标题】：How do I retrieve the last 10 inserts on a Cassandra table partitioned by timestamp?如何检索按时间戳分区的 Cassandra 表上的最后 10 次插入？
【发布时间】：2021-12-05 19:04:50
【问题描述】：

我已经看到了一些类似问题的问题，但似乎没有一个适用于我的特殊情况。

我有这张表，其中包含作为主键的时间戳和一个随机值：

CREATE TABLE IF NOT EXISTS rand_keyspace.rands (
timestamp bigint,
randnumber float,
PRIMARY KEY (timestamp));

我想检索最后插入的 10 行。

SELECT * FROM rand_keyspace.rands ORDER BY timestamp DESC LIMIT 10;

我遇到了经典错误：

InvalidRequest: Error from server: code=2200 [Invalid query] message="ORDER BY is only supported when the partition key is restricted by an EQ or an IN."

请注意，我无意按 randnumber 进行聚类或查询该列。

【问题讨论】：

标签： cassandra cql

【解决方案1】：

在当前状态下，该表不支持该查询。如果没有WHERE 子句，它将默认为分区键的散列令牌值的顺序。这将永远是连续的。

根据随时间生成的随机数的数量，我建议基于时间组件创建一个新的分区键。所以像month 或day 这样的东西可能会起作用。

PRIMARY KEY (month, timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC);

那么这个查询就可以工作了：

SELECT * FROM rand_keyspace.rands
WHERE month='202110'
LIMIT 10;

有了这个PRIMARY KEY 和CLUSTERING ORDER 定义，您就不需要ORDER BY 子句，因为默认情况下会发生这种情况（按降序排列）。

几年前我写了一篇关于如何解决这个问题的文章：We Shall Have Order!。它可能会帮助您思考您的方法。

【讨论】：

【解决方案2】：

为了补充 Aaron 的 [fantastic] 响应，不支持按分区键排序，因为它需要全表扫描。 Cassandra 专为需要快速检索单个分区的 OLTP 工作负载而设计。

您有一个分析用例，因此您需要使用 Spark 来有效地扫描多个分区，而不是普通的 CQL。对于需要识别过去 5 分钟内的趋势内容的用例来说，这是一种常见的访问模式。干杯！

【讨论】：