我在scylla（与cassandra兼容的数据库）中有一个表，定义如下：
create table s.items (time timeuuid, name text, primary key (time));我想运行一个查询，在一段时间后获取所有项目，如下所示：
select * from s.items where time>7e204790-43bf-11e9-9759-000000000004 order by time asc;但有人告诉我 ORDER BY is only supported when the partition key is restricted by an EQ or an IN. 为了解决这个问题，我可以创建一个类似于以下内容的表和查询：
create table s.items (yes boolean, time timeuuid, name text, primary key (yes, time));
select * from s.items where yes=true and time>7e204790-43bf-11e9-9759-000000000004 order by time asc;虽然这是可行的，但似乎不是最好的解决方案。因为我对锡拉和cql还比较陌生，有没有更好的/合适的方法？
2条答案
按热度按时间ggazkfy81#
类似的问题也得到了回答。例如：cassandra数据建模：时间戳作为分区键
您需要设计一个适当的分区键，根据预期的数据量，可能是一年
mbjcgjjk2#
添加一个布尔键并始终将其设置为yes的解决方案基本上会创建一个包含所有数据的巨大分区。这很少是你真正想要的。如果这一个分区是您的全部数据，这意味着即使您有一个10节点的集群，每个节点上有8个cpu，但集群中所有80个cpu中只有3个cpu将执行任何工作（因为每个分区属于某个cpu，并且rf=3时有三个副本）。
如果您想知道为什么原来的解决方案不起作用，而scylla拒绝了“order by”，那么问题是，尽管scylla可以扫描整个表以在时间x之后查找条目（您需要在查询中添加“allow filtering”），但它没有按时间对查找到的内容进行排序的有效方法。在内部，不同的分区不是按分区键排序的，而是按分区键的哈希函数“token”排序的。这种散列及其随机化效应对于平衡集群上所有cpu之间的负载非常重要，但会阻止scylla（或cassandra）以原始键顺序读取分区。
您可以做的一件事是按照alex的建议去做，这是您最初的设置和建议的解决方案之间的一个中间地带：不要每个分区都有一个项目，或者所有的项目都在一个分区中，而是中间地带：例如，想象一下，在您的工作负载中，每天都收集100mb的数据。因此，您使用天数作为分区键（而不是bool）。某一天的所有数据都将放在一个分区中。在每天的分区中，不同的条目（行）将按集群键顺序（即时间）排序。使用此设置，要在某个特定日期之后检索所有项目，只需开始逐个查询每个单独的日期。e、 例如，查询第134天，然后查询第135天，然后查询第136天，等等。。。在每一天内，结果都会被排序。所以问题解决了。
这种技术是相当有名的“时间序列”数据建模。scylla（和cassandra）甚至有一个为这种建模调整的特殊压缩策略，twcs（时间窗口压缩策略）。