Cassandra SelectQuery根据秒检索每分钟的第一条记录

Question

有人能告诉我如何编写select查询来返回每分钟的第一条记录吗？这里的第一条记录是指每分钟的第一条纪录(以秒为单位(。请参阅下面的示例。我的系统将定期每5秒从设备接收一次数据。我的表格结构将是这样的。

CREATE TABLE device (
deviceId text,
datetime timestamp,
temp float,
volt float,
PRIMARY KEY (deviceId, datetime)
) WITH CLUSTERING ORDER BY (datetime DESC);

是否可以提取select查询中的日期时间，对其进行处理并找到每分钟的第一条记录？

insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:10:00+0000',0.12,6.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:10:05+0000',3.12,61.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:10:10+0000',2.12,16.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:10:15+0000',1.12,26.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:11:20+0000',4.12,11.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:11:25+0000',5.12,12.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:11:30+0000',6.12,23.7);
insert into device (deviceId,datetime,temp,volt)
values ('device123','2018-10-10 5:11:35+0000',7.12,126.7);

我的查询应该会给我这样的结果：

• 第10分钟，秒=00温度=0.12，电压=6.7
• 第11分钟，秒=20温度=4.12，电压=11.7

你能为我如何在卡桑德拉实现这一目标提供建议吗？

Answer 1

在Cassandra中，通常必须构建适合查询模式的表。因此，您可以使用上面的模型构建一个表，该表只包含每分钟数据的第一个条目。

或者，您可以构建一个表来partition按分钟输出的数据。在这种情况下，您需要向表中再添加一个分区键minute_bucket。此外，要每分钟收回"第一行"(或最早的一行(，请将datetime聚类键上的排序方向翻转为升序(ASC(。例如：

CREATE TABLE device_by_minute (
deviceId text,
datetime timestamp,
minute_bucket text,
temp float,
volt float,
PRIMARY KEY ((deviceId, minute_bucket), datetime)
) WITH CLUSTERING ORDER BY (datetime ASC);

然后(加载数据后(，使用PER PARTITION LIMIT子句运行一个多关键字查询，如下所示：

aploetz@cqlsh:stackoverflow> SELECT * FROM device_by_minute
WHERE deviceid='device123'
AND minute_bucket IN ('2018-10-10 05:10','2018-10-10 05:11')
PER PARTITION LIMIT 1;
deviceid  | minute_bucket    | datetime                        | temp | volt
-----------+------------------+---------------------------------+------+------
device123 | 2018-10-10 05:10 | 2018-10-10 05:10:00.000000+0000 | 0.12 |  6.7
device123 | 2018-10-10 05:11 | 2018-10-10 05:11:20.000000+0000 | 4.12 | 11.7
(2 rows)

注：

• 像这样在分区键的部分上使用IN子句的多键查询将阻止Cassandra在查询时找出哪个节点包含数据。然后，它将指定一个"协调器节点"来处理结果集编译，以及与包含请求副本的节点的通信。相对于对完整分区键的查询，这将不会执行得很好
• 这个查询可以通过运行SELECT * FROM device_by_minute PER PARTITION LIMIT 1;来简化。但是，查询性能会随着数据集的增长而变差。最好限制WHERE子句中的潜在结果集
• 我会将IN子句中的数字项保持在低个位数