卡桑德拉中的 IN 关系是否不适合查询？

Question

以CQL为例选择如下:

SELECT * FROM tickets WHERE ID IN (1,2,3,4)

给定ID是一个分区键，使用IN关系比执行多个查询更好，还是没有区别？

Answer 1

是的，单独查询比在卡桑德拉中使用IN更好。

对于这个查询，协调器必须从4个不同的分区获取数据，如果每个分区都非常大，那么数据就会填充到JVM中，这可能会导致问题。

相反，使用多个查询查询数据更好，因为每个查询都是单独的，不必等待其他分区数据将其发送回用户。

Answer 2

我记得不久前在Cassandra用户邮件列表中看到有人回答了这个问题，但我现在找不到确切的消息。具有讽刺意味的是，Cassandra福音传道者Rebecca Mills刚刚发表了一篇解决这个问题的文章(使用Cassandra驱动程序时应该做的事情...第13点和第22点)。但是答案是肯定的，在某些情况下，多个并行查询会比使用< code>IN更快。基本原因可以在数据税务选择文档中找到。

何时不使用 IN

...使用 IN 可能会降低性能，因为通常必须查询许多节点。例如，在具有 30 个节点、复制因子为 3 且一致性级别为 LOCAL_QUORUM 的单个本地数据中心群集中，单个密钥查询将转到两个节点，但如果查询使用 IN 条件，则查询的节点数很可能更高，最多 20 个节点，具体取决于密钥在令牌范围内的位置。

因此，基于此，随着集群变大，这似乎会成为一个更大的问题。

因此，解决这个问题的最好方法（并且根本不必使用IN）是重新考虑此查询的数据模型。在不太了解您的模式的情况下，也许有一些属性（列值）由门票ID 1、2、3和4共享。也许可以使用级别或组（如果门票是针对特定场馆的），甚至可能是事件（id）。

基本上，虽然使用唯一的、高基数标识符对数据进行分区听起来是个好主意，但它实际上会使以后查询数据变得更加困难（在Cassandra中）。如果你能想出一个不同的列来对数据进行分区，这肯定会在这种情况下对你有所帮助。无论如何，创建一个新的、特定的列族（表）来处理对这些行的查询将是比使用IN或多个查询更好的方法。