Cassandra 中二级索引的高可用性和性能考虑

Question

我有一个设置为：5 Cassandra 节点集群，RF =3，我为表“用户”中的列执行了二级索引，

1) 根据我使用链接对二级索引的研究：https://www.datastax.com/dev/blog/cassandra-native-secondary-index-deep-dive 我知道二级索引将存储在本地节点中。这是否意味着在五节点集群中只有一个节点可以使用二级索引？如果 user 表的 RF =3 中没有，二级索引表在多少个节点中可用？

2) 以下两个查询在执行上有何不同？

   CREATE TABLE user(
    user_group int PRIMARY KEY,
    user_name text,
    user_phone varint
   );

  CREATE INDEX username_idx ON user (user_name);

在这个表格设置中，

查询 1：SELECT * FROM user WHERE user_name = 'test';

查询 2：SELECT * FROM user WHERE user_group = 1 AND user_name = 'test';

以上两个查询会经过多少个节点（在5节点集群中）执行，两个查询的性能有何不同？

已编辑：

假设我有一张像下面这样的表格，

CREATE TABLE nodestat (
    uniqueId text,
    totalCapacity int,
    physicalUsage int,
    flashMode text,
    timestamp timestamp,
    primary key (uniqueId, timestamp)) 
    with clustering order by (timestamp desc);

CREATE CUSTOM INDEX nodeIp_idx ON nodestat(flashMode)

查询 3：select * from nodestat where uniqueId = 'test' AND flashMode = 'yes'

所以在这种情况下，我的表中始终只有一个分区，那么二级索引搜索与没有分区键的二级索引相比有何不同？它的效率如何？

Answer 1

Regd 你的问题 1：

是不是说五节点集群中只有一个节点才有二级索引？

二级索引在集群的每个节点中都可用，建立在该节点中的数据之上，并且它只是该节点的本地数据。也就是说，它只知道该特定节点中的主键。您可以将二级索引想象为一个查找表，其中引用了该节点上的主键。

所以每个节点都会建立自己的二级索引（在你的例子中是所有 5 个），但不知道彼此的引用。

如果用户表的RF=3中没有，那么二级索引表在多少节点可用？

二级索引没有复制因子，因为它对每个节点都是本地的。由于您的数据已经被复制 RF = 3，因此您在每个节点中的二级索引都会有该索引。

Regd 你的问题 2：

Query 1 : SELECT * FROM user WHERE user_name = 'test';

此查询将在集群中的所有节点上执行分散收集。由于二级索引对于每个节点都是本地的，因此每个节点（在您的情况下是全部 5 个）都必须执行查询 -> 执行二级索引查找以找出分区键 -> 然后将实际结果返回给协调器。

随着表变大，查询经常会导致超时。在极端情况下，它可以关闭节点（就像没有分区键的“select *”）。 因此在 Cassandra 中通常不鼓励使用二级索引和这种类型的查询（没有分区键），最好避免使用它们

Query 2 : SELECT * FROM user WHERE user_group = 1 AND user_name = 'test';

与前一个查询相比，此查询将执行得更好，因为它对分区键进行了过滤。在上面的表定义中没有集群列，所以这个查询只会过滤主键，因为每个分区只有一行。因此，二级索引并没有太大的改进。总体而言，它不是分散聚集类型的查询，因此性能要好得多。

编辑解释查询3

Query 3 : select * from nodestat where uniqueId = 'test' AND flashMode = 'yes'

在此查询中，二级索引与分区键一起使用。如果给定分区键存在 1000 多个集群列，并且我们希望快速缩小结果集的范围，此二级索引将有所帮助。请记住，二级索引存储整个主键（分区键 + 聚集列引用）。因此，在宽分区的情况下，此二级索引在与分区键一起使用时非常有用。

例如，在您的情况下，假设只有一个分区 uniqueId = 'test'。但在该分区“测试”中，假设有 10000 个不同的时间戳值（聚类列）。因此，“flashMode”可能有 10000 个不同的值。此二级索引将有助于缩小到 10000 个匹配项中分区“test”中值为“yes”的“flashMode”列。