【发布时间】：2015-01-15 22:10:08
【问题描述】：
以 CQL 中的以下选择为例：
SELECT * FROM tickets WHERE ID IN (1,2,3,4)
给定 ID 是一个分区键，使用 IN 关系比执行多个查询更好还是没有区别？
【问题讨论】：
标签： java database database-design cassandra cql
【发布时间】：2015-01-15 22:10:08
【问题描述】：
我记得不久前在 Cassandra 用户邮件列表中看到有人回答了这个问题，但我现在找不到确切的消息。具有讽刺意味的是，Cassandra Evangelist Rebecca Mills 刚刚发布了一篇解决此问题的文章（Things you should be doing when using Cassandra drivers...points #13 和 #22）。但答案是“是”，在某些情况下，多个并行查询会比使用IN 更快。深层原因可以在DataStax SELECT documentation中找到。
何时不使用 IN
...使用 IN 会降低性能，因为 通常必须查询许多节点。例如，在单个本地 具有 30 个节点、复制因子为 3 和 LOCAL_QUORUM 的一致性级别，单键查询出去到两个 节点，但如果查询使用 IN 条件，则节点数 被查询的可能更高，最多 20 个节点，具体取决于 键在令牌范围内的位置。
因此，基于此，随着集群变大，这似乎会成为一个更大的问题。
因此，解决此问题的最佳方法（根本不必使用IN）是重新考虑此查询的数据模型。在不太了解您的架构的情况下，可能存在由票证 ID 1、2、3 和 4 共享的属性（列值）。可能使用诸如级别或组之类的东西（如果票证是针对特定场地的），甚至可能一个事件（id），而不是。
基本上，虽然使用唯一的高基数标识符来分区您的数据听起来是个好主意，但它实际上使以后查询您的数据（在 Cassandra 中）变得更加困难。如果你能想出一个不同的列来对你的数据进行分区，那在这种情况下肯定会对你有所帮助。无论如何，创建一个新的、特定的列族（表）来处理对这些行的查询将是比使用 IN 或多个查询更好的方法。
【讨论】：
-
delete查询呢？我目前有一个查询DELETE FROM xyz WHERE pkey IN(1,2,3,4)。用于 DELETE 的 IN 运算符是否比 SELECT 更好？ -
@pinkpanther 这取决于您是否关心删除操作的执行情况。如果您有多个节点，我认为同样的性能问题会发生在您身上。但是，如果您只是进行一次性维护删除，那我就不用担心了。
-
建议在更高基数的分区键下合并记录有利于优化 IN 查询，但是您必须注意分区大小。最佳位置是 100MB 左右，所以如果您的分区变得比这大得多，您应该考虑另一种拆分方式。由于数据模型是 Cassandra 性能的最大决定因素，因此我建议从 DataStax Academy 获取data modeling course。
-
@User3518958 如果您提供分区键并在集群键上使用
IN，您将受益于仅通过点击一个节点即可检索数据。但是，您仍然会强制 Cassandra 随机（而不是按顺序）读取 in 分区。这种查询的性能在很大程度上取决于分区大小和集群键的数量。 -
好的，明白了，'你仍然会强制 Cassandra 在分区内随机（而不是按顺序）读取'，这很好，谢谢
是的，单独查询比在 Cassandra 中使用 IN 更好。
对于这个查询，协调器必须从 4 个不同的分区中获取数据，如果每个分区都很大，那么数据会被填充到 JVM 中，这可能会导致问题。
使用多个查询来查询数据会更好，因为每个查询都是单独的，不必等待其他分区数据将其发送回用户。
【讨论】：