是的，与对实际分区键的普通范围查询不同，令牌范围查询确实是有效的，因为它们可以按顺序从磁盘读取（分区按顺序令牌顺序存储在磁盘上）并从同一节点读取顺序数据（相邻令牌属于同一节点）。
cassandra给您一个提示，这类查询将执行得很好，因为它不需要您使用“allow filtering”。如果您尝试对实际的分区键（而不是它的令牌）执行范围查询，则需要您添加“允许筛选”以表明您知道这将导致糟糕的性能。

对令牌范围的查询是有效的，spark使用它们进行有效的数据获取。但你要记住以下几点- getTokenRanges 将为您提供所有现有的标记范围，但有一些边缘情况-最后一个范围将是从正数到负数，代表第一个范围，因此，您的查询不会做任何事情。基本上你错过了 MIN_TOKEN 第一个标记，最后一个标记和 MAX_TOKEN . spark connector根据令牌生成不同的cql语句。另外，您需要将查询路由到正确的节点-这可以通过 setRoutingToken .
java代码（完整代码）中也可以使用类似的方法：

Metadata metadata = cluster.getMetadata();
    Metadata metadata = cluster.getMetadata();
    List<TokenRange> ranges = new ArrayList(metadata.getTokenRanges());
    Collections.sort(ranges);
    System.out.println("Processing " + (ranges.size()+1) + " token ranges...");

    Token minToken = ranges.get(0).getStart();
    String baseQuery = "SELECT id, col1 FROM test.range_scan WHERE ";
    Map<String, Token> queries = new HashMap<>();
    // generate queries for every range
    for (int i = 0; i < ranges.size(); i++) {
        TokenRange range = ranges.get(i);
        Token rangeStart = range.getStart();
        Token rangeEnd = range.getEnd();
        if (i == 0) {
            queries.put(baseQuery + "token(id) <= " + minToken, minToken);
            queries.put(baseQuery + "token(id) > " + rangeStart + " AND token(id) <= " + rangeEnd, rangeEnd);
        } else if (rangeEnd.equals(minToken)) {
            queries.put(baseQuery + "token(id) > " + rangeStart, rangeEnd);
        } else {
            queries.put(baseQuery + "token(id) > " + rangeStart + " AND token(id) <= " + rangeEnd, rangeEnd);
        }
    }

    // Note: It could be speedup by using async queries, but for illustration it's ok
    long rowCount = 0;
    for (Map.Entry<String, Token> entry: queries.entrySet()) {
        SimpleStatement statement = new SimpleStatement(entry.getKey());
        statement.setRoutingToken(entry.getValue());
        ResultSet rs = session.execute(statement);
        // .... process data
   }