卡桑德拉允许过滤，但需要谨慎使用。

Question

我有一个如下的表格

CREATE TABLE test (
 day int,
 id varchar,  
 start int,
 action varchar,  
 PRIMARY KEY((day),start,id)
);

我想运行这个查询

Select * from test where day=1 and start > 1475485412 and start < 1485785654 
and action='accept' ALLOW FILTERING

使用ALLOW FILTERING是否高效？

我期望Cassandra按照以下顺序进行过滤

1. By Partitioning column(day)
2. By the range column(start) on the 1's result
3. By action column on 2's result. 

因此，在此查询中使用allow filtering不会是一个坏选择。

如果在where子句上有多个过滤参数，并且非索引列是最后一个，过滤器将如何工作？请解释。

- Bharathi

---

这段视频来自DataStax Academy，对于这个主题非常有帮助。 - RyanQuey

Answer 1

这个 "ALLOW FILTERING" 查询有效吗？

当你说 "this" 的时候，你指的是在查询和模型的上下文中，然而，一个 ALLOW FILTERING 查询的效率主要取决于它需要过滤的数据。除非你展示一些真实数据，否则这是一个难以回答的问题。

我期望cassandra将按照以下顺序过滤...

是的，这就是会发生的事情。然而，在查询中包含 ALLOW FILTERING 子句通常意味着表设计不佳，也就是说，你没有遵循 Cassandra 建模的一些指导方针（特别是 "一个查询 <--> 一个表"）。

作为解决方案，我可以提示你将 "action" 字段包含在聚簇键中，紧接在 "start" 字段之前，修改你的表定义：

CREATE TABLE test (
 day int,
 id varchar,  
 start int,
 action varchar,  
 PRIMARY KEY((day),action,start,id)
);

然后，您需要重新编写查询，不使用任何ALLOW FILTERING子句：

SELECT * FROM test WHERE day=1 AND action='accept' AND start > 1475485412 AND start < 1485785654

只存在一个小问题，即如果一个记录“切换”了 action 值，则无法对单个 action 字段执行更新（因为它现在是聚簇键的一部分），因此需要使用旧的 action 值执行删除并插入正确的新值。但是，如果您拥有Cassandra 3.0+，则可以通过新的Materialized View实现完成所有这些操作。有关更多信息，请查看文档。

- xmas79

---

如果查询按照我所说的顺序扫描磁盘，那么允许过滤不是一个坏选择，对吧。因为它只过滤了有限数量的数据。 - Bharathi

@Bharathi: 你也想扫描墓碑吗？我们对你的数据一无所知，所以一般的建议是“不要使用ALLOW FILTERING”，但如果你认为你只有一小批记录，那就尽管使用它。毕竟，在Cassandra中使用头脑绝对是最好的建模方式... - xmas79

我只是想了解ALLOW FILTERING。我的用例并不完全与我在这里陈述的相同，我不能公开地将其放在这里。我想知道如果Cassandra按照我所述的顺序进行过滤，那么它要扫描的数据量就不会有任何担忧。 - Bharathi

@xmas79 有没有办法避免扫描墓碑？ - soote

@soote，唯一的方法就是避免删除，只扫描实时数据。如果您想要“跳过”不必要的数据，那么请更改您的模型并使您的查询更加高效。如果您无法这样做（两者都不能），那么请等待压缩... - xmas79

Answer 2

通常情况下，ALLOW FILTERING不是高效的。

但最终取决于您正在获取的数据量（对于这些数据，Cassandra必须使用ALLOW FILTERING）以及正在获取数据的大小。

在您的情况下，Cassandra无需过滤即可达到以下要求：

2. 通过1的结果列（开始）的范围列

正如您所提到的一样。但在那之后，它将依赖于查询本身中允许搜索数据的过滤器。

现在，请记住以下内容：

如果您的表包含例如100万行数据，并且其中95％的数据都具有请求的值，则查询仍然会相对高效，您应该使用ALLOW FILTERING。

另一方面，如果您的表包含了100万行数据，只有2行包含请求的值，则查询非常低效。Cassandra将无故加载999,998行数据。如果此查询经常使用，则最好在time1列上添加索引。

因此，请确保首先考虑以上内容。如果适用于您的情况，请使用FILTERING。 否则，在“action”上添加二级索引可能更明智。

PS：进行了一些小的编辑。

- r005t3r

---

我在不同的问题上读到了相同的答案。这不是这个问题的答案。如果您知道，请具体说明查询将如何工作。 - Bharathi

我不知道那个问题的答案，但我在这篇旧的Datastax文档中读到了这篇文章。请阅读一下。尽管我仍然认为我的回答也很好地解释了它。但如果您发现其他情况，请在这里提出。这也可以消除我的误解（如果有的话）。谢谢！ - r005t3r

谢谢更新。我知道ALLOW FILTERING将扫描整个列族。但问题在于，如果where子句上有多个过滤参数，并且未索引的列是最后一个，过滤器会如何工作？请阅读问题并告诉我是否需要进行任何编辑以获得更好的理解。 - Bharathi