我在 Cassandra 中有以下“任务”表。
我想运行 CQL 查询以获取给定日期范围内的重叠任务。例如，如果我将两个时间戳（T1 和 T2）作为参数传递给查询，我想获取适用于该范围内的所有任务（即重叠记录）。
在 Cassandra 中执行此操作的最佳方法是什么？我不能只在 Starts_On 和 Ends_On 上使用两个范围，因为要向 Ends_On 添加范围查询，我必须对 Starts_On 进行相等性检查。
【问题讨论】：
标签： cassandra cql cassandra-2.0 cql3
这是另一个想法（有点不合常规）。您可以创建一个用户定义的函数来实现第二个范围过滤器（在 Cassandra 2.2 和更高版本中）。
假设您像这样定义您的表（显示为整数而不是时间戳以保持示例简单）：
CREATE TABLE tasks (
p int,
task_id timeuuid,
start int,
end int,
end_range int static,
PRIMARY KEY(p, start));
现在我们创建一个用户定义的函数来根据结束时间检查返回的行，并返回匹配行的task_id，如下所示：
CREATE FUNCTION my_end_range(task_id timeuuid, end int, end_range int)
CALLED ON NULL INPUT RETURNS timeuuid LANGUAGE java AS
'if (end <= end_range) return task_id; else return null;';
现在我在第三个参数中使用了一个技巧。在明显的（主要？）疏忽中，您似乎无法将常量传递给用户定义的函数。所以为了解决这个问题，我们传递一个静态列 (end_range) 作为我们的常量。
所以首先我们必须设置我们想要的 end_range：
UPDATE tasks SET end_range=15 where p=1;
假设我们有这些数据：
SELECT * FROM tasks;
p | start | end_range | end | task_id
---+-------+-----------+-----+--------------------------------------
1 | 1 | 15 | 5 | 2c6e9340-4a88-11e5-a180-433e07a8bafb
1 | 2 | 15 | 7 | 3233a040-4a88-11e5-a180-433e07a8bafb
1 | 4 | 15 | 22 | f98fd9b0-4a88-11e5-a180-433e07a8bafb
1 | 8 | 15 | 15 | 37ec7840-4a88-11e5-a180-433e07a8bafb
现在让我们获取 start >= 2 和 end
SELECT start, end, my_end_range(task_id, end, end_range) FROM tasks
WHERE p=1 AND start >= 2;
start | end | test.my_end_range(task_id, end, end_range)
-------+-----+--------------------------------------------
2 | 7 | 3233a040-4a88-11e5-a180-433e07a8bafb
4 | 22 | null
8 | 15 | 37ec7840-4a88-11e5-a180-433e07a8bafb
这样就可以为您提供匹配的 task_id 并且您必须忽略空行（我还没有找到使用 UDF 删除行的方法）。您会注意到 start >= 2 的过滤器在将其传递给 UDF 之前删除了一行。
显然，无论如何这不是一个完美的方法，但它可能是你可以使用的东西。 :)
【讨论】：
在 CQL 中，您一次只能对一个集群列进行范围查询，因此您可能需要在应用程序中进行某种客户端过滤。因此，您可以在starts_on 上进行范围查询，并在返回行时，在您的应用程序中检查ends_on 并丢弃您不想要的行。
【讨论】：
不久前，我编写了一个应用程序，它在查询具有开始时间和结束时间的事件时遇到了类似的问题。对于我们的场景，我能够对用户 ID 进行分区（因为查询是针对特定用户的事件），为事件类型和事件日期设置聚类列。表结构如下所示：
CREATE TABLE userEvents (
userid UUID,
eventTime TIMEUUID,
eventType TEXT,
eventDesc TEXT,
PRIMARY KEY ((userid),eventTime,eventType));
有了这个结构，我可以通过userid和eventtime查询：
SELECT userid,dateof(eventtime),eventtype,eventdesc FROM userevents
WHERE userid=dd95c5a7-e98d-4f79-88de-565fab8e9a68
AND eventtime >= mintimeuuid('2015-08-24 00:00:00-0500');
userid | system.dateof(eventtime) | eventtype | eventdesc
--------------------------------------+--------------------------+-----------+-----------
dd95c5a7-e98d-4f79-88de-565fab8e9a68 | 2015-08-24 08:22:53-0500 | End | event1
dd95c5a7-e98d-4f79-88de-565fab8e9a68 | 2015-08-24 11:45:00-0500 | Begin | lunch
dd95c5a7-e98d-4f79-88de-565fab8e9a68 | 2015-08-24 12:45:00-0500 | End | lunch
(3 rows)
该查询将为我提供今天特定用户的所有事件行。
注意事项：
eventType 排序在 eventTime 之前。Task_ID 太独特（高基数）。这是 Cassandra 中的必须，因为您不能对分区键（仅集群键）进行范围查询。【讨论】：
在 Cassandra 中似乎没有完全令人满意的方法来执行此操作，但以下方法似乎效果很好：
我按降序对Starts_On 时间戳上的表进行聚类。 （Ends_On 只是一个常规列。）然后我使用 Starts_On<? 来约束查询，其中参数是感兴趣期的结束 - 即过滤掉在我们感兴趣的期结束后开始的事件。
然后我遍历结果，直到行 Ends_On 早于感兴趣期间的开始，并丢弃其余的结果行。 （请注意，这是假设事件不重叠 - 没有后续结果与后来的Ends_On。）
丢弃其余的结果行可能看起来很浪费，但这是关键：您可以将分页大小设置得足够小，以便丢弃的行数相对较少，即使总行数非常大。
理想情况下，您希望分页大小略大于您希望收到的相关行总数。如果分页大小太小，驱动程序最终会检索多个页面，这可能会损害性能。如果它太大，您最终会丢弃很多行，这可能会因传输过多的数据而影响性能。在实践中，您可能会找到一个很好的折衷方案。
【讨论】：