通过非聚类键对结果进行排序

Question

我们使用Cassandra的用例是显示一篇博客文章的前10名最近访问者。以下是Cassandra表定义

CREATE TABLE blogs_by_visitor (
             blogposturl text,
             visitor text,
             visited_ts timestamp,
             PRIMARY KEY (blogposturl, visitor)
           );

现在，为了显示给定博客帖子的前10名最近访问者，需要在时间戳desc上有一个明确的“order by”子句。因为visted_ts不是Cassandra中集群列的一部分，所以我们无法完成这项工作。visited_ts不是集群列的一部分的原因是为了避免记录重复（读为重复）访问者。主键的设计方式是为回头客上传最新的时间戳。

Select visitor from blog_table
where 
blogposturl = ?
and rownum <= 10
order by timestamp desc

我们有什么想法可以用不同的方式来模拟这个表吗？

实际的表有其他列，为了简单起见，这里对其进行了简化

Answer 1

这些类型的工作是由Apache Spark或Hadoop完成的。一个调度作业，它根据每个url的时间戳计算唯一的访问者顺序，并将结果存储到Cassandra中。

也可以在blogs_by_visitor之上创建一个物化视图。这个表将确保唯一的访问者，物化视图将根据visited_ts时间戳显示结果。

让我们创建物化视图：

CREATE MATERIALIZED VIEW unique_visitor AS
    SELECT *
    FROM blogs_by_visitor
    WHERE blogposturl IS NOT NULL AND visitor IS NOT NULL AND visited_ts IS NOT NULL
    PRIMARY KEY (blogposturl, visited_ts, visitor)
    WITH CLUSTERING ORDER BY (visited_ts DESC, visitor ASC);

SELECT * FROM unique_visitor WHERE blogposturl = ? LIMIT 10;

CREATE TABLE blogs_by_visitor (
     blogposturl text,
     year int,
     month int,
     day int,
     visitor text,
     visited_ts timestamp,
     PRIMARY KEY ((blogposturl, year, month, day), visitor)
);

现在，在单个分区中只有少量数据，因此可以在客户端根据该分区中的visited_ts对所有访问者进行排序。如果你认为一天的访问者数量可能很大，那么在分区键上也添加一个小时。