带有更新的 Cassandra 集群订单 [性能]答案

【问题标题】：Cassandra CLUSTERING ORDER with updates [performance]带有更新的 Cassandra 集群订单 [性能]
【发布时间】：2019-11-13 05:15:44
【问题描述】：

使用 Cassandra，可以在具有特定列的表上指定集群排序。

CREATE TABLE myTable (
    user_id INT,
    message TEXT,
    modified DATE,
    PRIMARY KEY ((user_id), modified)
)
WITH CLUSTERING ORDER BY (modified DESC);

注意：在此示例中，每个 user_id 有一条消息（预期）

鉴于此表，我的理解是，在查询最近的数据的情况下，查询的性能会更好。

但是，如果在哪里对“已修改”列进行更新，是否会在服务器上增加额外的“重新排序”开销，并且该开销与查询性能相比是否显着？

换句话说，如果“CLUSTERING ORDER BY (modified DESC)”被删除，这个表的性能会更好吗？

更新：通过向主键添加修改来更新无效的 CQL，但是，原来的问题仍然存在。

【问题讨论】：

提示：该表定义不是有效的 CQL。
我把它和cassandra.apache.org/doc/latest/cql/ddl.html#create-table这里的表定义进行了比较，似乎是有效的，请您指出问题
问题是modified没有被定义为聚类键，所以你不能在它上面定义聚类顺序。要解决此问题，应将主键定义为PRIMARY KEY (user_id, modified)。有关组合键的更多信息，以及集群键的特征stackoverflow.com/questions/24949676/…
我的错误是疏忽，我将日期作为服务器上的主键，只是在我的示例中没有。
另请注意，如果您想通过modified 设置聚类顺序，您将无法更新该记录（如stackoverflow.com/questions/27075596/… 中所述）； Cassandra 是一个仅追加的数据库引擎：这意味着对记录的任何更新都将添加具有不同时间戳的新记录，选择将考虑具有最新时间戳的记录。这意味着永远不会有 “重新排序” 操作。

标签： cassandra cassandra-3.0

【解决方案1】：

为了修改一个聚类列，需要在主键中定义它。

CREATE TABLE myTable (
    user_id INT,
    message TEXT,
    modified DATE,
    PRIMARY KEY ((user_id), modified)
)
WITH CLUSTERING ORDER BY (modified DESC);

这样，您的数据将主要按 user_id 的哈希值排序，并在每个 user_id 内按修改。您不需要删除“WITH CLUSTERING ORDER BY (modified DESC)”

【讨论】：

知道了，听起来我原来的问题不再适用，因为正如你提到的，它首先按 user_id 排序，而且我打算只为每个 user_id 存储一条记录。

【解决方案2】：

移动评论作为答案，作为更新问题的回复：

如果要对“修改”列进行更新，它是否会添加服务器上“重新订购”的额外开销是开销与查询性能显着？

如果modified 被定义为集群键的一部分，您将无法使用to update that record，但您可以根据需要添加任意数量的记录，每次都具有不同的修改日期。

Cassandra 是一个仅追加的数据库引擎：这意味着对记录的任何更新都将添加具有不同时间戳的新记录，选择将考虑具有最新时间戳的记录。这意味着没有“重新排序”操作。

删除或创建聚类顺序应该在如何检索信息的查询的基础上定义，如果您只使用该 user_id 的最新记录，那么按照您定义的聚类顺序是有意义的它。

【讨论】：

【解决方案3】：

在您的数据模型中，user_id 是对数据局部性很重要的行键/分片键/分区键 (userid)，而集群列（已修改）指定数据在分区内的排列顺序。这两个键的组合构成主键。

即使在 RDBS 世界中，为了数据完整性，更新 PK 也是可以避免的。

但是在 cassandra 中，列族/表之间没有约束/关系。为 Pk 字段(userid,modified) 分配完全相同的值将导致更新现有记录，否则它将添加字段集。

参考： https://www.datastax.com/dev/blog/we-shall-have-order

【讨论】：