cassandra - 如何有效地相交 2 个或更多 cassandra 切片？

Question

我正在使用 Posts 和 TaggedPosts 列族，如 this example 中所示。

我希望能够找到标签为“A”、“B”和“C”的帖子(例如)

问题是我必须使用键 A 完整读取 TaggedPosts，而不是像示例中所示那样只获取前 10 个结果，然后与所有具有键 B 的 TaggedPosts 相交，以免错过任何一个，依此类推

效率极低，您建议这样做的顺序是什么？

我正在考虑更改 TaggedPosts 结构:并将 Posts id 作为 Rows 键和

create colmun familty TaggedPosts with ... and column_metadata=[
    {column_name: tag1, ..., index_type: KEYS},
    {column_name: tag2, ..., index_type: KEYS},
    {column_name: tag3, ..., index_type: KEYS},

并做:

get TaggedPosts where tag1=A and tag2=B and tag3=C;

但不确定它会比交叉/过滤客户端更有效

Answer 1

我认为您的案例的理想模式取决于您需要多久执行一次交叉查询，以及您是否需要能够为任意一对标签或任意一组 N 个标签，或者您是否只需要对某些有限的标签执行此操作。

如果像我怀疑的那样，您希望能够查询与任意一组标签匹配的帖子，那么可能没有比拥有这样的模式 (cql3) 更好的解决方案了:

CREATE COLUMNFAMILY TaggedPosts (
    tag text,
    post uuid,
    blog_rowentries_rowkey text,
    PRIMARY KEY (tag, post)
) WITH COMPACT STORAGE;

-- (note that this is the same actual data layout used in the "wtf is a supercolumn" article)

然后像这样查询“posts with A”、“posts with B”等:

SELECT * FROM TaggedPosts WHERE tag = 'A' LIMIT 100;
SELECT * FROM TaggedPosts WHERE tag = 'B' LIMIT 100;

..所以他们被单独查询，然后你在客户端合并结果。 100 的限制可能不适合您的数据；理想值取决于您的标签重叠的可能性。它并不能保证你得到你想要的所有结果，显然，它只是一个批量大小。如果您没有找到足够的帖子匹配所有标签，您可以从具有最低 uuid 时间的标签中查询更多批处理，直到找到为止。

在使用 Solr 索引的效率和易于编码方面，您可以做得比这更好，因为这更像是一个全文搜索类型的问题，但您需要 Datastax Enterprise 或其他一些自己集成 Solr 的方法。 (免责声明:我为 Datastax 工作。)

不过，关于这个主题，我能给出的最佳建议是不要使用超列。