我正在寻找一种存储与时间范围相关的数据的好方法，以便以后能够有效地检索它。
每个数据条目都可以简化为(start time, end time, value)。稍后我需要检索所有属于(x, y) 范围内的条目。在 SQL 中，查询类似于
SELECT value FROM data WHERE starttime <= x AND endtime >= y
您能否为 Cassandra 中的数据提出一种结构，以使我能够有效地执行此类查询？
【问题讨论】：
标签： cassandra
高效建模是一件异常困难的事情。
我认为使用 Cassandra 的二级索引（以及目前仍需要的虚拟索引值）是您的最佳选择。您需要为每个事件使用一行，至少包含三列：“start”、“end”和“dummy”。在其中的每一个上创建一个二级索引。前两个可以是 LongType，最后一个可以是 BytesType。有关详细信息，请参阅this post on using secondary indexes。由于您必须在至少一列上使用 EQ 表达式进行二级索引查询（我提到的不幸的要求），所以 EQ 将处于“虚拟”状态，可以始终设置为 0。（这意味着 EQ 索引表达式将匹配每一行，基本上是无操作的。）您可以将其余的事件数据存储在开始、结束和虚拟旁边的行中。
在 Python Cassandra 客户端 pycassa 中，您的查询将如下所示：
from pycassa.index import *
start_time = 12312312000
end_time = 12312312300
start_exp = create_index_expression('start', start_time, GT)
end_exp = create_index_expression('end', end_time, LT)
dummy_exp = create_index_expression('dummy', 0, EQ)
clause = create_index_clause([start_exp, end_exp, dummy_exp], count=1000)
for result in entries.get_indexed_slices(clause):
# do stuff with result
其他客户端应该也有类似的东西。
我首先考虑的替代方案涉及 OrderPreservingPartitioner，这几乎总是一件坏事。对于索引，您可以使用开始时间作为行键，使用结束时间作为列名。然后，您可以使用 start_key=start_time 和 column_finish=finish_time 执行范围切片。这将在开始时间之后扫描每一行，并且只返回那些列在完成时间之前的行。效率不是很高，而且你必须做一个大的 multiget 等。内置的二级索引方法更好，因为节点只会索引本地数据，并且大部分样板索引代码都会为你处理。
【讨论】：