卡桑德拉切片查询非常奇怪的结果

Question

读DataStax blog，我在测试片查询，即使博客已经与卡桑德拉2完成，我们在3

所以我定义了一个测试表作为波纹管。

CREATE TABLE foo(
    part_key TEXT, 
    start_ts INT, 
    end_ts INT, 
    PRIMARY KEY(part_key, start_ts, end_ts) 
) WITH CLUSTERING ORDER BY (start_ts ASC, end_ts ASC); 

此表中插入了一些固定装置。

INSERT INTO foo(part_key, start_ts, end_ts) VALUES ('A', 1, 5); 
INSERT INTO foo(part_key, start_ts, end_ts) VALUES ('A', 2, 3); 
INSERT INTO foo(part_key, start_ts, end_ts) VALUES ('B', 4, 7); 
INSERT INTO foo(part_key, start_ts, end_ts) VALUES ('B', 9, 13); 

INSERT INTO foo(part_key, start_ts, end_ts) VALUES ('B', 1, 2); 

INSERT INTO foo(part_key, start_ts, end_ts) 
VALUES ('B', 9, 9999); -- 9999 = symbolic value for no end 

我检查B分区第一：

> SELECT * FROM foo WHERE part_key='B'; 

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  1 |  2 
     B |  4 |  7 
     B |  9 |  13 
     B |  9 | 9999 

(4 rows) 

我们不能执行“自然”查询SELECT * FROM foo WHERE part_key='B' AND start_ts <= 7 AND end_ts >= 7，因为它会引发以下错误。

InvalidRequest: Error from server: code=2200 [Invalid query] message="Clustering column "end_ts" cannot be restricted (preceding column "start_ts" is restricted by a non-EQ relation)" 

在DataStax博客中有一个查询如下。

SELECT * FROM numberOfRequests 
    WHERE cluster = ‘cluster1’ 
    AND date = ‘2015-06-05’ 
    AND datacenter = 'US_WEST_COAST' 
    AND (hour, minute) >= (12, 30) AND (hour) < (14) 

所以我们尝试这种解决方法有以下切片查询，使用start_ts >= -9999一如既往真实，允许为end_ts指定不平等状况在一起。

SELECT * FROM foo WHERE part_key='B' 
AND (start_ts, end_ts) >= (-9999, 7) AND start_ts <= 7; -- -9999 = min_value 

它的执行没有任何警告，并给出了结果波纹管。

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  1 |  2 
     B |  4 |  7 

(2 rows) 

在这一点上，该行＃1（与start_ts = 1）不应该在那里，我作为end_ts >= 7不是此行如此。由于start_ts >= -9999总是如此，所以第一个条件(start_ts, end_ts) >= (-9999, 7)似乎被忽略：结果与查询SELECT * FROM foo WHERE part_key='B' AND start_ts <= 7相同。

阅读博客的例子，我在想，（至少C2.2），(start_ts, end_ts) >= (-9999, 7) AND start_ts <= 7将意味着start_ts >= -9999 AND end_ts >= 7 AND start_ts <= 7，以相若方式(start_ts, end_ts) = (4, 7)这意味着start_ts = 4 AND end_ts = 7为波纹管。

SELECT * FROM foo WHERE part_key='B' AND (start_ts, end_ts) = (4, 7); 

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  4 |  7 

(1 rows) 

这样的元组不等式如何被真正解释？ 有什么方法可以更新它，使其“工作”？

Answer 1

让我们插入一些记录

INSERT INTO foo (part_key, start_ts , end_ts) VALUES ('B', 1, 7); 
INSERT INTO foo (part_key, start_ts , end_ts) VALUES ('B', 4, 8); 
INSERT INTO foo (part_key, start_ts , end_ts) VALUES ('B', 9, 7); 

现在我们有part_key数据= 'B'

cqlsh:test> SELECT * FROM foo WHERE part_key='B' ; 

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  1 |  2 
     B |  1 |  7 
     B |  4 |  7 
     B |  4 |  8 
     B |  9 |  7 
     B |  9 |  13 
     B |  9 | 9999 

现在让我们来查询这个数据：

cqlsh:test> SELECT * FROM foo WHERE part_key='B' AND (start_ts, end_ts) >= (1, 4) AND (start_ts, end_ts) <= (9, 7); 

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  1 |  7 
     B |  4 |  7 
     B |  4 |  8 
     B |  9 |  7 

这似乎结果不正确。但事实并非如此。我们的理解不正确。

卡桑德拉将存储您的数据按复合字段排序（start_ts，end_ts）首先按start_ts排序，然后为每个start_ts排序end_ts。当我们用(start_ts, end_ts) >= (1, 4) AND (start_ts, end_ts) <= (9, 7)查询。卡桑德拉治疗(start_ts, end_ts)作为一个单一的复合字段，并将其值介于（1,4）至（9,7）

part_key | start_ts | end_ts 
----------+----------+-------- 
     B |  1 |  2 
-------------------------------> start range 
     B |  1 |  7 
     B |  4 |  7 
     B |  4 |  8 
     B |  9 |  7 
-------------------------------> end range  
     B |  9 |  13 
     B |  9 | 9999 

希望大家理解。

Answer 2

你在这里打的是通过元组进行比较 - 因为你已经将你的两列合并为一个元组，所以你得到的比较行为稍微不同于预期。这是正确的，这不符合你的期望。

(start_ts, end_ts) >= (-9999, 7) 

这并不意味着start_ts >= -9999 && end_ts >= 7，这意味着绑定的左（含）的元组(-9999,7)。有可能是一个元组(-9998,1)这是元组方面比(-9999,7)更大，即使end_ts==1小于7

Answer 3

一种可能的方法是在你的第二列使用过滤。不幸的是，从3.6开始，仅支持对群集列进行过滤。因此，如果您的版本小于3.0.x版本，则可以通过将第二个集群列转换为常规集群列来解决问题。在这种情况下，下面的查询会给你你期望的结果：

SELECT * FROM foo WHERE part_key='B' AND start_ts = 7 ALLOW FILTERING 

现在，我不知道你的数据和它的基数使过滤可能不是一个很好的选择。

另一种选择是更改数据模型。对事物进行建模有不同的方法来以高效的方式满足您的需求。

Answer 4

其全部关于ORDER的元组不是VALUE s个别列。 简而言之，它不是比较值，而是比较元组的顺序。一旦Cassandra根据您的聚类顺序对元组进行排序，它就会比较元组的顺序。例如，在给定集合的分区B： （start_ts，end_ts）> =（1，1）和（start_ts，end_ts）< =（7,7）

首先这个逻辑AND的部分：（start_ts， （1,1）元组下的所有元组：（1,2），（4,7），（9,13），（9,9999）

逻辑AND的第二部分：（start_ts，end_ts）< =（7,7）将包括所有在此（7,7）元组之上的元组：（1,2），（4,7）

由于在这种设计中，代码中总会需要进一步检查。例如，如果您的表具有开始和结束日期列，并且您使用StartDate ASC和EndDate ASC对其进行了聚类，并且您正在查找FromDate到ToDate范围之间的所有行，您将始终需要进一步过滤代码中的行。为此，在where子句中，您将具有： （StartDate，EndDate）> =（FromDate，FromDate）AND（StartDate，EndDate）< =（ToDate，ToDate）。

这会不会是相当于SQL条件： 起始日期> =没有fromdate日期和结束日期< = TODATE

希望这有助于。