cassandra的cql查询中的“PER PARTITION LIMIT”是什么意思？

Question

我有一个如下图的scylla表：

cqlsh:sampleks> describe table test;

CREATE TABLE test (
    client_id int,
    when timestamp,
    process_ids list<int>,
    md text,
    PRIMARY KEY (client_id, when) ) WITH CLUSTERING ORDER BY (when DESC)
    AND bloom_filter_fp_chance = 0.01
    AND caching = {'keys': 'ALL', 'rows_per_partition': 'ALL'}
    AND comment = ''
    AND compaction = {'class': 'TimeWindowCompactionStrategy', 'compaction_window_size': '1', 'compaction_window_unit': 'DAYS'}
    AND compression = {'sstable_compression': 'org.apache.cassandra.io.compress.LZ4Compressor'}
    AND crc_check_chance = 1.0
    AND dclocal_read_repair_chance = 0.1
    AND default_time_to_live = 0
    AND gc_grace_seconds = 172800
    AND max_index_interval = 1024
    AND memtable_flush_period_in_ms = 0
    AND min_index_interval = 128
    AND read_repair_chance = 0.0
    AND speculative_retry = '99.0PERCENTILE';

我看到这就是我们查询它的方式。我在 cassandra 上工作已经很长时间了，所以这个 PER PARTITION LIMIT 对我来说是新事物（看起来像是最近添加的）。有人可以用外行语言的一些例子来解释这有什么作用吗？我找不到任何可以轻松解释的好文档。

SELECT * FROM test WHERE client_id IN ? PER PARTITION LIMIT 1;

Answer 1

PER PARTITION LIMIT 子句在“宽分区方案”中很有帮助。 它只返回分区中的前两行。

进行以下查询：

aploetz@cqlsh:stackoverflow> SELECT client_id,when,md 
        FROM test PER PARTITION LIMIT 2 ;

考虑到(client_id,when) 的主键定义，该查询将遍历每个client_id。然后，Cassandra 将只返回该分区的前两行（由 when 聚类），而不管 when 可能出现多少次。

在这种情况下，我使用两个不同的client_ids（总共 2 个分区）将 7 行插入到您的 test 表中。使用 2 的 PER PARTITION LIMIT，我得到 4 行返回 (2 client_id x PER PARTITION LIMIT 2) == 4 行。

 client_id | when                            | md
-----------+---------------------------------+-----
         1 | 2020-05-06 12:00:00.000000+0000 | md1
         1 | 2020-05-05 22:00:00.000000+0000 | md1
         2 | 2020-05-06 19:00:00.000000+0000 | md2
         2 | 2020-05-06 01:00:00.000000+0000 | md2

(4 rows)