在 Cassandra 中，我读到我需要设计我的表模式，以便达到最小数量的分区。我设计了架构来满足这个要求。但是我处于需要单独获取所有分区键的情况。所以我打算用
Select Distinct <partitionKeys> from table
我使用 cqlsh 对大约 15k 行运行了一个不同的查询。它非常快。
问题
【问题讨论】：
标签： cassandra cqlsh spark-cassandra-connector
如果我使用 distinct 会有任何性能问题吗？ cassandra 如何单独获取分区键？
基本上，Cassandra 只需遍历节点并拉回该表的分区（行）键。通过这些键进行查询是 Cassandra 设计的工作方式，所以我对这对您来说表现得非常好并不感到惊讶。缺点是它可能必须命中所有或大部分节点才能完成操作，因此如果您有大量节点，性能可能会很慢。
这就是 CQL 行与底层存储中的行之间的差异发挥作用的地方。如果您使用cassandra-cli 工具查看您的数据，您可以看到分区键的处理方式有何不同。这是一个示例，其中一艘船的船员按他们的船存储在一个表中。
aploetz@cqlsh:presentation> SELECT * FROm shipcrewregistry ;
shipname | lastname | firstname | citizenid | aliases
----------+-----------+-----------+--------------------------------------+--------------------------------------
Serenity | Book | Derial | 48bc975a-c9f2-474d-8a29-247503445877 | {'CLASSIFIED'}
Serenity | Cobb | Jayne | 2d643fb1-54fb-4c98-8d2d-a5bb9c6c8354 | {'Hero of Canton'}
Serenity | Frye | Kaylee | d556cf44-348b-4ea3-8c19-ba9d4877818c | null
Serenity | Inara | Serra | a25b7e02-8099-401a-8c41-d9d2ea894b72 | null
Serenity | Reynolds | Malcolm | 169382b7-21b0-47bf-b1c8-19bc008a9060 | {'Mal', 'Sgt. Reynolds'}
Serenity | Tam | River | af68201f-4135-413e-959c-dd81ea651e52 | null
Serenity | Tam | Simon | aa090e1a-7792-4d7b-bba9-bac66f8c1f15 | {'Dr. Tam'}
Serenity | Washburne | Hoban | 73f591df-c0dc-44c4-b3f3-9c37453c9537 | {'Wash'}
Serenity | Washburne | Zoey | 46bc77ad-53ad-4402-b252-a0543005c583 | {'Corporal Alleyne', 'Zoey Alleyne'}
(9 rows)
但是当我在cassandra-cli内查询时：
[default@presentation] list shipcrewregistry;
Using default limit of 100
Using default cell limit of 100
-------------------
RowKey: Serenity
=> (name=Book:Derial:48bc975a-c9f2-474d-8a29-247503445877:, value=, timestamp=1424904853420170)
=> (name=Book:Derial:48bc975a-c9f2-474d-8a29-247503445877:aliases:434c4153534946494544, value=, timestamp=1424904853420170)
=> (name=Cobb:Jayne:2d643fb1-54fb-4c98-8d2d-a5bb9c6c8354:, value=, timestamp=1424904853492976)
=> (name=Cobb:Jayne:2d643fb1-54fb-4c98-8d2d-a5bb9c6c8354:aliases:4865726f206f662043616e746f6e, value=, timestamp=1424904853492976)
=> (name=Frye:Kaylee:d556cf44-348b-4ea3-8c19-ba9d4877818c:, value=, timestamp=1428442425610395)
=> (name=Inara:Serra:a25b7e02-8099-401a-8c41-d9d2ea894b72:, value=, timestamp=1428442425621555)
=> (name=Reynolds:Malcolm:169382b7-21b0-47bf-b1c8-19bc008a9060:, value=, timestamp=1424904853505461)
=> (name=Reynolds:Malcolm:169382b7-21b0-47bf-b1c8-19bc008a9060:aliases:4d616c, value=, timestamp=1424904853505461)
=> (name=Reynolds:Malcolm:169382b7-21b0-47bf-b1c8-19bc008a9060:aliases:5367742e205265796e6f6c6473, value=, timestamp=1424904853505461)
=> (name=Tam:River:af68201f-4135-413e-959c-dd81ea651e52:, value=, timestamp=1428442425575881)
=> (name=Tam:Simon:aa090e1a-7792-4d7b-bba9-bac66f8c1f15:, value=, timestamp=1424904853518092)
=> (name=Tam:Simon:aa090e1a-7792-4d7b-bba9-bac66f8c1f15:aliases:44722e2054616d, value=, timestamp=1424904853518092)
=> (name=Washburne:Hoban:73f591df-c0dc-44c4-b3f3-9c37453c9537:, value=, timestamp=1428442425587484)
=> (name=Washburne:Hoban:73f591df-c0dc-44c4-b3f3-9c37453c9537:aliases:57617368, value=, timestamp=1428442425587484)
=> (name=Washburne:Zoey:46bc77ad-53ad-4402-b252-a0543005c583:, value=, timestamp=1428442425596863)
=> (name=Washburne:Zoey:46bc77ad-53ad-4402-b252-a0543005c583:aliases:436f72706f72616c20416c6c65796e65, value=, timestamp=1428442425596863)
=> (name=Washburne:Zoey:46bc77ad-53ad-4402-b252-a0543005c583:aliases:5a6f657920416c6c65796e65, value=, timestamp=1428442425596863)
1 Row Returned.
Elapsed time: 86 msec(s).
这是为了说明 9 个 CQL 行实际上只有 1 行“在引擎盖下”。
我需要知道不同查询的限制。
在 CQL 中，DISTINCT 仅适用于您的分区键。我不确定有多少行会否定它的用处。 15000 CQL 行应该没问题。但是，如果您有数百万个不同的分区键（高基数），我预计性能会下降……尤其是在集群中有多个节点的情况下。
【讨论】：