查询的原因 C 速度慢，是因为cassandra（spark）无法确定集群中哪个节点负责基于 C . 因此，需要检查每个节点的 C 满足你的要求。 所有3个人的查询速度会更快吗？ 是的，三者的查询速度可能更快。这是因为分区键由 A 以及 B . 对于基于分区键的查询，在本例中 A 以及 B 都是散列在一起的。该散列与每个节点负责的令牌范围相匹配。这样，可以容易地确定包含期望数据的目标节点，并且不需要检查每个节点的匹配值。 如果我只使用主键的1列（比如a）进行查询，那也会很快，对吧？ 不，不会的。给定的分区键定义 (A,B) ，无法确定包含数据的节点 A 一个人。事实上，由于结果集可能会更大，通过 A 可能比通过 C .
1条答案
按热度按时间zbsbpyhn1#
不幸的是，我用来获取记录的列不是分区键中的列。会不会因此而变慢？
是的，这可能就是事情进展缓慢的原因。尽管公平地说，spark是用来查询分布式数据存储的。它不是为了快而设计的。
所以我假设主键定义如下：
查询的原因
C速度慢，是因为cassandra（spark）无法确定集群中哪个节点负责基于C. 因此，需要检查每个节点的C满足你的要求。所有3个人的查询速度会更快吗？
是的，三者的查询速度可能更快。这是因为分区键由
A以及B. 对于基于分区键的查询，在本例中A以及B都是散列在一起的。该散列与每个节点负责的令牌范围相匹配。这样，可以容易地确定包含期望数据的目标节点，并且不需要检查每个节点的匹配值。如果我只使用主键的1列（比如a）进行查询，那也会很快，对吧？
不，不会的。给定的分区键定义
(A,B)，无法确定包含数据的节点A一个人。事实上，由于结果集可能会更大，通过A可能比通过C.