复合柱和卡桑德拉中的“IN”关系

Question

我在Cassandra中有以下列系列，用于将时间序列数据存储在少量非常“宽”的行中：

CREATE TABLE data_bucket (
  day_of_year int,
  minute_of_day int,
  event_id int,
  data ascii,
  PRIMARY KEY (data_of_year, minute_of_day, event_id)
)

在CQL外壳上，我能够运行如下查询：

select * from data_bucket where day_of_year = 266 and minute_of_day = 244 
  and event_id in (4, 7, 11, 1990, 3433)

从本质上讲，我修复了复合列名称的第一个组成部分的值（minute_of_day），并希望根据第二个组成部分的不同值（event_id）选择一组不连续的列。由于“IN”关系被解释为相等关系，因此这工作正常。

现在我的问题是，我如何在没有CQL的情况下以编程方式完成相同类型的复合列切片。到目前为止，我已经尝试了Python客户端pycassa和Java客户端Astyanax，但没有任何成功。

任何想法都值得欢迎。

编辑:

我正在添加通过卡桑德拉-cli看到的列系列的描述输出。由于我正在寻找一个基于节俭的解决方案，也许这会有所帮助。

ColumnFamily: data_bucket
  Key Validation Class: org.apache.cassandra.db.marshal.Int32Type
  Default column value validator: org.apache.cassandra.db.marshal.AsciiType
  Cells sorted by: org.apache.cassandra.db.marshal.CompositeType(org.apache.cassandra.db.marshal.Int32Type,org.apache.cassandra.db.marshal.Int32Type)
  GC grace seconds: 864000
  Compaction min/max thresholds: 4/32
  Read repair chance: 0.1
  DC Local Read repair chance: 0.0
  Populate IO Cache on flush: false
  Replicate on write: true
  Caching: KEYS_ONLY
  Bloom Filter FP chance: default
  Built indexes: []
  Compaction Strategy: org.apache.cassandra.db.compaction.SizeTieredCompactionStrategy
  Compression Options:
    sstable_compression: org.apache.cassandra.io.compress.SnappyCompressor

Answer 1

在节俭 API 中没有“IN”类型的查询。您可以对每个复合列值执行一系列 get 查询（day_of_year、minute_of_day event_id）。

如果你的event_id是连续的（你的问题说它们不是），你可以执行一个单一的get_slice查询，传递范围（例如，day_of_year、minute_of_day和event_id的范围）。你可以用这种方式获取它们的束，并自己以编程方式过滤响应（例如，获取事件ID在4-3433之间的日期的所有数据）。更多的数据搬迁，更多的客户端处理，所以除非你真的在寻找一个范围，否则不是一个好的选择。

因此，如果你想在Cassandra中使用“IN ”,你需要切换到基于CQL的解决方案。如果你考虑在python中使用CQL，另一个选择是cassandra-dbapi2。这对我很有效:

import cql

# Replace settings as appropriate
host = 'localhost'
port = 9160
keyspace = 'keyspace_name'

# Connect
connection = cql.connect(host, port, keyspace, cql_version='3.0.1')
cursor = connection.cursor()
print "connected!"

# Execute CQL
cursor.execute("select * from data_bucket where day_of_year = 266 and minute_of_day = 244 and event_id in (4, 7, 11, 1990, 3433)")
for row in cursor:
  print str(row) # Do something with your data

# Shut the connection
cursor.close()
connection.close()

(用Cassandra 2.0.1测试。)