cassandra - 低基数列的二级索引 cassandra

Question

我们有一个包含 1500 万条记录的表，而我们的表是一个 10 节点的 cassandra 集群。我们有一列有接近 20 个可重复值。是否建议在此列上建立二级索引？

Answer 1

假设在该列上完全均匀分布，那么每列值将映射到 750,000 行。现在，DataStax 文档位于 When To Use An Index指出...

built-in indexes are best on a table having many rows that contain the indexed value.

750,000 行当然是“很多”。但即便如此，请记住，您还讨论了 Cassandra 在完成查询时必须忽略的 14,250,000 行。

此外，除非您的 RF 为 10(我怀疑您是否会使用 10 个节点)，否则您将产生网络时间，因为 Cassandra 在完成查询所需的所有不同节点之间工作。对于 750,000 行，这可能会超时。

我认为这可能是有效的唯一方法是首先通过分区键限制您的查询。使用二级索引同时使用分区键进行限制将有助于 Cassandra 更快地找到您的行。即便如此，对于这么大的数据集，我会重新评估您的数据模型，并尝试找出不同的表来完成该查询，而无需二级索引。