按 Cassandra 中的任何字段排序

Question

我正在研究 cassandra 作为我即将开展的项目的可能解决方案。我研究得越多，我听到的消息越多，在创建表时对未设置排序的字段进行排序是个坏主意。

是否可以对任何字段进行排序？如果对不在集群中的字段进行排序会影响性能，那么性能影响是什么？我需要对表中大约 200 万条记录进行排序。

Answer 1

我一直听说，在创建表时对未设置排序的字段进行排序是个坏主意。

这并不是一个坏主意。真的不可能让 Cassandra 按任意列对数据进行排序。 Cassandra 需要基于查询的建模方法，排序顺序也是如此。您必须提前决定您希望 Cassandra 支持的查询类型，以及这些查询返回数据的顺序。

是否可以对任何字段进行排序？

Cassandra 对结果集进行排序的方式如下：事实并非如此。 Cassandra 查询对应于分区位置，数据从磁盘读取并返回给您。如果读取数据的顺序与在磁盘中排序的顺序相同，则结果集将被排序。另一方面，如果您尝试多键查询或基于索引的查询，其中它必须跳转到不同的分区，则很可能不会以任何有意义的顺序返回。

但如果您提前计划，您实际上可以影响数据的磁盘排序顺序，然后在查询中利用该顺序。这可以通过称为“聚类列”的建模机制来完成。 Cassandra 将允许您指定多个集群列，但它们仅在单个分区内有效。

那是什么意思？以this example from the DataStax documentation.

CREATE TABLE playlists (
  id uuid,
  artist text,
  album text,
  title text,
  song_order int,
  song_id uuid,
  PRIMARY KEY ((id),song_order))
WITH CLUSTERING ORDER BY (song_order ASC);

使用这个表定义，我可以通过id（分区键）查询特定的playlist。在每个id内，数据将按song_order排序返回：

SELECT id, song_order, album, artist, title 
FROM playlists WHERE id = 62c36092-82a1-3a00-93d1-46196ee77204
ORDER BY song_order DESC;

id                                   | song_order | album                 | artist         | title
------------------------------------------------------------------------------------------------------------------
62c36092-82a1-3a00-93d1-46196ee77204 | 4          | No One Rides For Free |      Fu Manchu |             Ojo Rojo    
62c36092-82a1-3a00-93d1-46196ee77204 | 3          |             Roll Away | Back Door Slam |  Outside Woman Blues
62c36092-82a1-3a00-93d1-46196ee77204 | 2          |          We Must Obey |      Fu Manchu |     Moving in Stereo
62c36092-82a1-3a00-93d1-46196ee77204 | 1          |          Tres Hombres |         ZZ Top |            La Grange

在这个例子中，如果我想切换排序方向，只需要指定一个ORDER BY。由于这些行以ASCending 顺序存储，因此我需要指定DESC 才能以DESCending 顺序查看它们。如果我可以按ASCending 顺序恢复行，我根本不需要指定ORDER BY。

但是如果我想按艺术家订购呢？还是专辑？或两者？由于一位艺术家可以拥有多张专辑（在本例中），我们将修改 PRIMARY KEY 定义如下：

PRIMARY KEY ((id),artist,album,song_order)

运行上面的相同查询（减去ORDER BY）会产生以下输出：

SELECT id, song_order, album, artist, title 
FROM playlists WHERE id = 62c36092-82a1-3a00-93d1-46196ee77204;

id                                   | song_order | album                 | artist         | title
------------------------------------------------------------------------------------------------------------------
62c36092-82a1-3a00-93d1-46196ee77204 | 3          |             Roll Away | Back Door Slam |  Outside Woman Blues
62c36092-82a1-3a00-93d1-46196ee77204 | 4          | No One Rides For Free |      Fu Manchu |             Ojo Rojo    
62c36092-82a1-3a00-93d1-46196ee77204 | 2          |          We Must Obey |      Fu Manchu |     Moving in Stereo
62c36092-82a1-3a00-93d1-46196ee77204 | 1          |          Tres Hombres |         ZZ Top |            La Grange

请注意，这些行现在按artist 排序，然后是album。如果我们有同一张专辑中的两首歌曲，那么song_order 将是下一个。

所以现在您可能会问“如果我只想按album 而不是artist 排序怎么办？”您可以仅按album 排序，但不能使用此表。您不能在 ORDER BY 子句中跳过集群键。为了仅按album（而不是artist）排序，您需要设计一个不同的查询表。有时，Cassandra 数据建模会让您复制数据几次，以便能够服务于不同的查询...没关系。

有关如何在利用聚类顺序的同时构建数据模型的更多详细信息，请查看PlanetCassandra 上的这两篇文章：

• Getting Started With Time Series Data Modeling - Patrick McFadin
• We Shall Have Order! - 免责声明 - 我是作者