回答您的问题-您需要一个主键，即使它只包含分区键：-）
更详细的答案实际上取决于这些作业运行的频率、总体数据量、集群中的节点数、使用的硬件等。通常，我们会尽可能多地向cassandra推送过滤，因此它只返回相关数据，而不是所有数据。最有效的过滤发生在第一个集群列上，例如，如果我只想处理新创建的条目，那么我可以使用具有以下结构的表：

create table test.test (
  pk int,
  tm timestamp,
  c2 int,
  v1 int,
  v2 int,
  primary key(pk, tm, c2));

然后我可以使用以下方法仅获取新创建的条目：

import org.apache.spark.sql.cassandra._
val data = spark.read.cassandraFormat("test", "test").load()
val filtered = data.filter("tm >= cast('2019-03-10T14:41:34.373+0000' as timestamp)")

或者我可以在给定的时间段内获取条目：

val filtered = data.filter("""ts >= cast('2019-03-10T14:41:34.373+0000' as timestamp)
  AND ts <= cast('2019-03-10T19:01:56.316+0000' as timestamp)""")

可以通过执行 explain 并检查 PushedFilters 第节-标记为的条件 * 将在Cassandra那边被处决。。。
但并不总是可以设计表来匹配所有查询，因此需要为执行频率最高的作业设计主键。就你而言， update_date_time 可能是一个很好的候选，但是如果您将其作为集群列，那么在更新它时您需要小心—您需要以批处理的方式执行更改，如下所示：

begin batch
delete from table where pk = ... and update_date_time = old_timestamp;
insert into table (pk, update_date_time, ...) values (..., new_timestamp, ...);
apply batch;

或者类似的。