Cassandra 返回数值的无序结果集

Question

我是No SQL的新手，刚开始学习Cassandra，我有一个以下问题要问。我创建了一个包含一列的简单表，以了解 Cassandra 分区和聚类，并尝试在插入后查询所有值。

我的表结构

create table if not exists music_library(custno int,  primary key(custno))

我按顺序插入了以下值

insert into music_library(custno) values (11) 
insert into music_library(custno) values (12) 
insert into music_library(custno) values (13) 
insert into music_library(custno) values (14) 

然后我正在查询这个表

select * from music_library

它按以下顺序返回值

13
11
14
12

但我期待

11
12
13
14

为什么它表现得那样？

Answer 1

我运行了您的确切语句并产生了相同的结果。 但是我也调整了您的查询以运行token函数，这就是它产生的结果：

aaron@cqlsh:stackoverflow> select custno,token(custno) from music_library;
custno | system.token(custno)
--------+----------------------
13 | -5034495173465742853
11 | -4156302194539278891
14 |  4279681877540623768
12 |  8582886034424406875
(4 rows)

为什么它表现得那样？

简单地说，因为 Cassandra 不能按分区键的值对结果进行排序。

由于您的表只有一个主键custno，因此您的行按散列标记值custno进行分区，并写入负责这些标记范围的节点。 在 Cassandra 中运行未绑定查询(不带WHERE子句的查询(时，返回的结果按其分区键的哈希标记值排序。

在这里使用ORDER BY也行不通。ORDER BY只能对分区内的数据进行排序，即使这样也只能对群集键进行排序。 若要正确排序custno值，需要找到新的分区键，然后将custno指定为升序方向的群集键。

编辑20190916 - 后续澄清

是否对所有列都进行这种标记化？

不。 分区键被哈希到令牌中，以确定它们在群集中的位置(它们被写入哪个节点(。 各个列值写入分区中。

我将如何返回订单中插入的号码？

如果不更改模型，则无法更改此表的顺序。 简而言之，您必须找到一种方法来将您希望返回的值(与您的查询(组织在一起(查找另一个分区键(。 具体外观取决于您的业务/查询要求。

例如，假设我想跟踪哪些客户购买了特定的音乐专辑。 我可能会创建一个如下所示的表：

CREATE TABLE customers_by_album (
album TEXT,
band TEXT,
custno INT,
PRIMARY KEY (album,custno))
WITH CLUSTERING ORDER BY (custno ASC);

插入一些数据后，以下查询返回按custno排序的结果：

aaron@cqlsh:stackoverflow> SELECT album,token(album),band,custno FROM
customers_by_album WHERE album='Moving Pictures';
album           | system.token(album) | band | custno
-----------------+---------------------+------+--------
Moving Pictures | 7819329704333693835 | Rush |     11
Moving Pictures | 7819329704333693835 | Rush |     12
Moving Pictures | 7819329704333693835 | Rush |     13
Moving Pictures | 7819329704333693835 | Rush |     14
(4 rows)

这有效，因为我正在按分区(album(查询数据，然后我在利用磁盘排序顺序的custno上"聚类"。 这也是数据写入磁盘的顺序，因此 Cassandra 只是按顺序从分区中读取数据。

几年前，我为DataStax写了一篇关于这个主题的文章，它仍然非常相关。 如果有机会，请阅读一下：https://www.datastax.com/dev/blog/we-shall-have-order