使用 CQL 遍历 Cassandra 表的分区键答案

【问题标题】：Using CQL to walk partition keys of a Cassandra table使用 CQL 遍历 Cassandra 表的分区键
【发布时间】：2013-08-16 08:32:52
【问题描述】：

使用 CQL3，如何在 Cassandra 中枚举一张表的所有分区键？特别是返回不同的键和对结果进行分页时会很复杂。

【问题讨论】：

【解决方案1】：

对您的密钥的可能值有一点预先了解，我认为这可以在令牌功能的帮助下完成。看看this answer。这就是你要找的吗？

在 2.0 到来之前，您可以在 datastax 博客上看到这个work-around for pagination（转到“CQL3 分页”部分）。原则上，这与我在上面发布的链接非常相似，但详细介绍了如何在考虑列键等情况下实现分页。

【讨论】：

【解决方案2】：

您可以按照以下示例进行操作。创建测试表：

> create table partition_keys_test (p_key text PRIMARY KEY, rest text);

并插入一些行，例如：

> insert into partition_keys_test (p_key, rest) VALUES ('1', 'blah');

我为 p_key '1', '2', ..., '9' 做了这个。

然后翻阅分区键。开始：

> select p_key from partition_keys_test limit 2;
 p_key
 -------
     6
     7

对于页面大小 2。然后，获取最后一个 p_key 结果并在下一个查询中使用它：

> select p_key from partition_keys_test where token(p_key) > token('7') limit 2;
 p_key
 -------
    9
    4

以此类推，直到您收到小于您的页面大小的结果。

请注意，您应该期望这会读取您的整个数据集。对于非常宽的行，它可能不会，但 I/O 仍然非常繁重。

此外，如果行被创建或删除并且具有比您目前为止更高的标记，它们将出现在后续查询中。因此，如果您在创建或删除行时运行上述分页查询，则可能会或可能不会返回分区键，具体取决于时间。

【讨论】：

您可以使用什么作为起始标记，而不必有 2 个不同的查询字符串？您的查询将如何处理每个主键的多行？例如，假设主键中有 2 个字段，p_key 是分区键。现在可以有多行具有相同的 p_key。
token('') 返回最小值，因此您可以将第一个查询替换为 select p_key from partition_keys_test where token(p_key) > token('') limit 2;。如果您有一个复合主键，那么您将获得重复项。我认为没有任何方法可以过滤掉服务器端的重复项。
正确，但这不适用于复合PK的一般情况；请参阅下面的答案。
这个方法除了手动过滤重复的烦人之外，为什么不能获取所有的分区键？

【解决方案3】：

坏消息是，现在（2013 年 8 月）您必须选择整个主键，而不仅仅是分区键，才能对它们进行分页。对于复合 PK，这可能涉及大量重复的分区键。

好消息是https://issues.apache.org/jira/browse/CASSANDRA-4536 是开放的，允许SELECT DISTINCT 用于 2.0.1 中分区键的特殊情况，因为可以在后台有效地检索唯一的分区键；在那之前，CQL 还没有很好的表达方式。

【讨论】：