Cassandra，实现高基数索引答案

【问题标题】：Cassandra, implementing high-cardinality indexesCassandra，实现高基数索引
【发布时间】：2014-08-12 06:22:37
【问题描述】：

众所周知，Cassandra 在低基数索引方面表现出色，但在高基数索引方面表现不佳。我的列族包含一个存储 URL 值的字段。自然，在大数据集中搜索这个特定值可能会很慢。

作为一种解决方案，我想出了获取 url 的第一个字符并存储它们的想法在单独的列中，例如test.com/abcd 将存储为 (ab, test.com/abcd) 列。因此，当需要按特定 URL 值进行搜索时，我可以通过先搜索“ab”，然后在获得的结果集中查找确切的 url，将其缩小 26*26 倍。

这看起来像是在 Cassandra 中减少 URL 基数的有效解决方案吗？

【问题讨论】：

标签： database nosql cassandra

【解决方案1】：

如果您需要非常快，您可能需要考虑使用一个单独的表，其中包含您正在搜索的值作为列键。在 BigTable 实现中，键前缀搜索通常比列搜索更快。

【讨论】：

【解决方案2】：

这样做的一个问题是，在您使用低基数索引后，必须进行顺序扫描，以便最终到达查询的一个特定 URL。

正如 Chris Shain 所说，您可以构建一个单独的列族来构建倒排索引：

Column Family 'people'

ssn   | name     | url
----- | ------   | ---
1234  | foo      | http://example.com/1234
5678  | bar      | http://hello.com/world



Column Family 'urls'

url                      | ssn   
------------------------ | ------
http://example.com/1234  | 1234   
http://hello.com/world   | 5678

缺点是您需要自己维护手动索引的完整性。

【讨论】：