我知道Cassandra count（）是一个昂贵的操作，因为它需要一个完整的表扫描。https://www.datastax.com/blog/running-count-expensive-cassandra
但是，假设我们有一个表hotel，其中hotel_type作为分区键，我们运行query
select count(*) from hotel where hotel_type= 'luxury';这也会很昂贵吗？实际上，我需要运行100万个这样的查询来获得不同hotel_types的计数。查找计数会影响prod Cassandra集群吗？
更新：
我看到我们可以使用dsbulk进行计数。dsbulk count和cql count（）有什么不同？
2条答案
按热度按时间6yt4nkrj1#
你是对的，在Cassandra中，无限的
COUNT()是一个昂贵的操作，原因我已经在这篇文章中解释过了--https://dba.stackexchange.com/questions/314567/。但是计算单个分区的行数（即
SELECT查询受到WHERE pk = ?的限制）是CQLCOUNT()函数的有效用例。此外，如果您将请求限制到集群可以处理的吞吐量，那么异步执行一百万个读取操作应该是很好的。
DataStax Bulk Loader (DSBulk)工具中的
count命令是运行完整表计数的推荐方法之一，因为DSBulk通过将其分解为小的令牌段来优化操作，然后发出多个分布式请求，而不是单个完整表扫描。如果您感兴趣，这里有一些参考资料，其中包含使用DSBulk的示例：
干杯！
whlutmcx2#
Cassandra模型化的主要概念是主键，它确定数据在集群上的物理位置
当主键与a count（）函数一起使用时，协调器节点（处理请求的节点）将在本地检索所有关联的数据，然后在本地应用聚合操作
由于此请求通过主键进行过滤，并且不需要扫描集群中表的所有数据，因此您可以使用它
但是，您需要记住，这将导致协调器节点上消耗更多的资源，并且在进入生产环境之前，工作台将很有帮助