低基數列的二級索引cassandra

Question

我們有一個包含1500萬條記錄的表，而我們是一個10節點的cassandra集羣。我們有一個有近20個可重複值的列。建議在此專欄上建立二級索引？

Answer 1

假設該列上的分佈完全一致，那麼每個列值將映射到750,000行。當When To Use An Index上的DataStax文檔聲明...

內置索引在包含索引值的許多行的表上是最好的。

750,000行肯定具有「許多」的資格。但即使如此，請記住，當您履行您的查詢時，您也正在談論Cassandra需要的14,250,000行忽略。另外，除非你的射頻頻率爲10（並且我懷疑你會有10個節點），否則隨着Cassandra在完成查詢所需的所有不同節點之間工作，您將產生網絡時間。對於750,000行，這可能會超時。

我認爲這可能是有效的唯一方法，將首先限制您的查詢由分區鍵。使用二級索引同時限制分區鍵可以幫助Cassandra更快地找到你的行。即使如此，如果數據集很大，我會重新評估您的數據模型，並嘗試找出不同的表來滿足該查詢，而不需要二級索引。