cassandra - Cassandra错误-无法限制“聚类”列(之前的列受非EQ关系限制)

Question

我们将Cassandra用作我们的车队管理解决方案的数据历史学家。我们在Cassandra中有一个表格，其中存储了车辆行驶的详细信息。表结构如下

CREATE TABLE  journeydetails(
bucketid text,
vehicleid text,
starttime timestamp,
stoptime timestamp,
travelduration bigint,
PRIMARY KEY (bucketid,vehicleid,starttime,travelduration)
);

哪里：


bucketid：-分区键，是月份和年份的组合
vehicleid：-车辆的唯一ID
开始时间：-旅程的开始时间
结束时间：-旅程的结束时间
travelduration：-旅行持续时间（以毫秒为单位）


我们想运行以下查询-获取车辆的所有行驶-2015-12-1至2015-12-3之间的行车时间大于30分钟的1234567

当我运行此查询时：

select * from  journeydetails where bucketid in('2015-12') and vehicleid in('1234567') 
  and starttime > '2015-12-1 00:00:00' and starttime < '2015-12-3 23:59:59' 
  and travelduration > 1800000;

我得到这个结果：

InvalidRequest: code=2200 [Invalid query] message="Clustering column "travelduration"
cannot be restricted (preceding column "starttime" is restricted by a non-EQ relation)

是否有人对如何解决此问题有建议？

Answer 1

select * from journeydetails where bucketid in('2015-12') and vehicleid in('1234567')
  and starttime > '2015-12-1 00:00:00' and starttime < '2015-12-3 23:59:59' 
  and travelduration > 1800000;

那是行不通的。原因可以追溯到Cassandra如何在磁盘上存储数据。 Cassandra的想法是，使用精确的键返回单行或从磁盘返回连续的行范围非常有效。

您的行按 bucketid分区，然后在磁盘上按 vehicleid， starttime和 travelduration排序。因为您已经在 starttime上执行范围查询（非EQ关系），所以您不能限制后面的键。这是因为 travelduration限制可能会使您的范围条件中的某些行失去资格。这将导致效率低下，不连续的读取。 Cassandra旨在保护您免于编写可能具有不可预测性能的查询（例如此查询）。

这里有两种选择：

1-如果您可以将所有键列限制在 travelduration之前（具有等号关系），则可以应用大于条件：

select * from journeydetails where bucketid='2015-12' and vehicleid='1234567'
  and starttime='2015-12-1 00:00:00' and travelduration > 1800000;

当然，限制精确的 starttime可能不是很有用。

2-另一种方法是完全省略 travelduration，然后您的原始查询将起作用。

select * from journeydetails where bucketid='2015-12' and vehicleid='1234567'
  and starttime > '2015-12-1 00:00:00' and starttime < '2015-12-3 23:59:59';

不幸的是，Cassandra没有提供很大程度的查询灵活性。许多人已经发现使用 Spark之类的解决方案（与Cassandra一同使用）可以成功达到这一水平的报告。

只是一个旁注，但除非必须，否则不要使用 IN。使用 IN进行查询与使用二级索引相似，因为Cassandra必须与多个节点通信才能满足您的查询。用单个项目调用它可能没什么大不了的。但是 IN是那些古老的RDBMS习惯之一，您应该在深入研究Cassandra之前就应该打破它们。