低基数列的二级索引 cassandra答案

【问题标题】：secondary indexes for low cardinality columns cassandra低基数列的二级索引 cassandra
【发布时间】：2015-06-10 04:23:34
【问题描述】：

我们有一个包含 1500 万条记录的表，我们的表是一个 10 节点的 cassandra 集群。我们有一列有接近 20 个可重复的值。是否建议在此列上建立二级索引？

【问题讨论】：

【解决方案1】：

假设在该列上完全均匀分布，则每列值将映射到 750,000 行。现在，When To Use An Index 上的 DataStax 文档指出...

内置索引最适用于具有许多包含索引值的行的表。

750,000 行当然可以称为“很多”。但即便如此，请记住，您还谈到 Cassandra 在完成查询时必须忽略的 14,250,000 行。

此外，除非您的 RF 为 10（我怀疑您会使用 10 个节点），否则您将需要花费网络时间，因为 Cassandra 在完成查询所需的所有不同节点之间工作。对于 750,000 行，这可能会超时。

我认为这可能有效的唯一方法是首先通过分区键限制您的查询。使用二级索引同时使用分区键进行限制将有助于 Cassandra 更快地找到您的行。即便如此，对于这么大的数据集，我会重新评估您的数据模型并尝试找出不同的表来完成该查询，而无需二级索引。

【讨论】：

嗨布莱斯；非常感谢您的解释。要添加到上述问题，我们将对查询应用限制“1”。所以这将是“从secondary_index ='xyz'限制1的表中选择*”。限制函数也会导致 RPC 超时吗？？
@kris433 限制为 1，可能还不错。试试看，看看你的响应时间是怎样的。