为什么基于第一个聚类键的查询需要 ALLOW FILTERING？答案

【问题标题】：Why does querying based on the first clustering key require an ALLOW FILTERING?为什么基于第一个聚类键的查询需要 ALLOW FILTERING？
【发布时间】：2020-11-24 10:25:22
【问题描述】：

假设我有这张 Cassandra 表：

CREATE TABLE orders (
  customerId int, 
  datetime date, 
  amount int, 
  PRIMARY KEY (customerId, datetime)
);

那么为什么下面的查询需要 ALLOW FILTERING：

SELECT * FROM orders WHERE date >= '2020-01-01'

Cassandra 可以只访问所有单独的分区（即客户）并过滤集群键 date。由于 date 已排序，因此无需检索 orders 中的所有行并过滤掉与我的 where 子句匹配的行（据我了解）。

希望有人能赐教。

谢谢

【问题讨论】：

标签： cassandra

【解决方案1】：

发生这种情况是因为对于正常工作，Cassandra 需要分区键 - 它用于查找正在为其存储数据的机器。如果您没有分区键，例如在您的示例中，Cassandra 需要扫描所有数据以查找与您的查询匹配的数据。而这需要使用ALLOW FILTERING。

附：数据仅在单个分区内排序，而不是全局排序。

【讨论】：

谢谢亚历克斯。但我的观点是，Cassandra 可以扫描所有分区，但在这些分区内，由于排序的数据结构，它仍然可以进行快速过滤。因此，它不需要获取所有数据。
哈哈好吧，你能解释一下为什么吗？不能只分两步执行此操作：1) 列出所有 n 个分区键 2) 运行 n 个查询，例如 SELECT * FROM orders WHERE customerid='{key}' date >= '2020-01-01'？那么您不必遍历所有数据，对吗？
在 Cassandra 中，同一分区的数据可以在多个文件之间拆分，通过修复、提示、不同时间戳等接收数据。因此，您需要读取磁盘上的多个文件构建完整版本的分区，并找到与您的查询相关的数据...
我还没关注。据我了解，如果您根据分区键（和集群键）进行过滤，您的查询将（相对）快。否则它（相对）慢，因为它首先需要获取所有数据（在该分区内）。现在在我的示例中，我 do 仅对分区键和集群键进行过滤。我对 Cassandra 的要求是跟踪所有分区键并为每个 n 分区键运行 n 查询。
Cassandra 有其他方法可以做到这一点 - 如果有必要，你可以这样做，但你需要了解权衡......首先，试着回答这个问题 - 如果你有 10 亿个分区键？这不是一个罕见的情况......