尽管 WITH CLUSTERING ORDER BY，但查询结果未排序答案

【问题标题】：Query results not ordered despite WITH CLUSTERING ORDER BY尽管 WITH CLUSTERING ORDER BY，但查询结果未排序
【发布时间】：2015-01-07 07:46:39
【问题描述】：

我将所有用户的帖子存储在表中。我想检索用户关注的所有用户的帖子。

CREATE TABLE posts (
  userid int,
  time timestamp,
  id uuid,
  content text,
  PRIMARY KEY (userid, time)
)WITH CLUSTERING ORDER BY (time DESC)

我在另一个表中有关于所有用户关注谁的数据

CREATE TABLE follow (
  userid int,
  who_follow_me set<int>,
  who_i_follow set<int>,
  PRIMARY KEY ((userid))
)

我正在查询类似

select * from posts where userid in(1,2,3,4....n);

2 个问题：

为什么我仍然以随机顺序获取数据，尽管在帖子中指定了 CLUSTERING ORDER BY。 ?
模型是否正确以最佳地满足查询（用户可以有 n 个关注者）？

我正在使用 Cassandra 2.0.10。

【问题讨论】：

标签： cassandra cql

【解决方案1】：

“为什么我仍然以随机顺序获取数据，尽管帖子中指定了 CLUSTERING ORDER BY？”

这是因为ORDER BY 仅适用于特定分区键中的行。因此，在您的情况下，如果您想查看特定用户的所有帖子，如下所示：

SELECT * FROM posts WHERE userid=1;

这将返回按time 排序的结果，因为userid=1 分区键中的所有行都将由它聚集。

“模型是否正确以最佳地满足查询（用户可以有n个关注者）？”

只要您不关心按时间戳排序的结果，它就会起作用。为了能够查询按时间排序的所有用户的帖子，您需要提供不同的分区键。在不太了解您的应用程序的情况下，您可以使用 GROUP 之类的列（例如）并对其进行分区。

假设您将所有用户平均分配到八个组：A、B、C、D、E、F、G 和 H。假设您的表格设计更改如下：

CREATE TABLE posts (
  group text,
  userid int,
  time timestamp,
  id uuid,
  content text,
  PRIMARY KEY (group, time, userid)
)WITH CLUSTERING ORDER BY (time DESC)

然后您可以像这样查询 B 组所有用户的所有帖子：

SELECT * FROM posts WHERE group='B';

这将为您提供 B 组中所有用户的所有帖子，按时间排序。因此，基本上，为了让您的查询按时间适当地对帖子进行排序，您需要将帖子数据分区到用户 ID 以外的其他内容上。

编辑：

PRIMARY KEY (userid, follows)) WITH CLUSTERING ORDER BY (created DESC);

那是行不通的。实际上，这应该会产生以下错误：

code=2200 [无效查询] message="Missing CLUSTERING ORDER for column follow"

即使您确实将 follows 添加到您的 CLUSTERING ORDER 子句中，您也会看到：

code=2200 [Invalid query] message="CLUSTERING ORDER 指令中只能定义聚类键列"

CLUSTERING ORDER 子句只能用于集群列，在这种情况下，集群列仅是 follows 列。将您的 PRIMARY KEY 定义更改为在 follows (ASC) 和 created (DESC) 上进行聚类。我已经对此进行了测试，并插入了一些示例数据，并且可以看到该查询有效：

aploetz@cqlsh:stackoverflow> SELECT * FROM posts WHERE userid=2 AND follows=1;

 userid | follows | created                  | id
--------+---------+--------------------------+--------------------------------------
      2 |       1 | 2015-01-25 13:27:00-0600 | 559cda12-8fe7-45d3-9a61-7ddd2119fcda
      2 |       1 | 2015-01-25 13:26:00-0600 | 64b390ba-a323-4c71-baa8-e247a8bc9cdf
      2 |       1 | 2015-01-25 13:24:00-0600 | 1b325b66-8ae5-4a2e-a33d-ee9b5ad464b4

(3 rows)

不过，如果您只想通过 userid 进行查询，您可以看到所有关注者的帖子。但在这种情况下，帖子只会在每个 followerid 中进行排序，如下所示：

aploetz@cqlsh:stackoverflow> SELECT * FROM posts WHERE userid=2;

 userid | follows | created                  | id
--------+---------+--------------------------+--------------------------------------
      2 |       0 | 2015-01-25 13:28:00-0600 | 94da27d0-e91f-4c1f-88f2-5a4bbc4a0096
      2 |       0 | 2015-01-25 13:23:00-0600 | 798053d3-f1c4-4c1d-a79d-d0faff10a5fb
      2 |       1 | 2015-01-25 13:27:00-0600 | 559cda12-8fe7-45d3-9a61-7ddd2119fcda
      2 |       1 | 2015-01-25 13:26:00-0600 | 64b390ba-a323-4c71-baa8-e247a8bc9cdf
      2 |       1 | 2015-01-25 13:24:00-0600 | 1b325b66-8ae5-4a2e-a33d-ee9b5ad464b4

(5 rows)

【讨论】：

这个答案肯定给出了一些更好的方向，但我想从我关注的所有用户中按时间降序获取所有帖子。我将在下面提供我的新架构

【解决方案2】：

这是我的新架构，

CREATE TABLE posts(id uuid, 
userid int,
follows int,
created timestamp,
PRIMARY KEY (userid, follows)) WITH CLUSTERING ORDER BY (created DESC);

这里的 userid 代表谁发布了它，follows 代表他的追随者之一的用户 ID。假设用户 x 关注了 10 个其他人，我正在制作 10+1 个插入。肯定有太多的数据重复。然而，现在通过以下查询更容易为其中一位用户获取时间表

select * from posts where follows=?

【讨论】：