这是一个非常基础的问题，但它实际上已经困扰我好几天了。在Cassandra中是否有一种好的方法获得给定表的COUNT(*)等价物呢？
我将把数亿行数据移动到 C* 中进行一些负载测试，并且在将大量数据通过网络传输之前，我希望至少可以在一些样本ETL作业中获取行计数。
我最好的想法是使用Python循环遍历每一行并自动递增计数器。还有更好的确定（甚至估计）C*表行大小的方法吗？我也尝试在 Datastax Ops Center 中查找是否可以确定行大小，但如果可以的话，我不知道如何做到。
还有其他人需要在C*中获取表的count(*)吗？如果是，你是如何处理的？
是的，你可以使用COUNT(*)。这里是文档。
使用COUNT(*)的SELECT表达式返回与查询匹配的行数。或者，您可以使用COUNT(1)获得相同的结果。
计算users表中的行数：
SELECT COUNT(*) FROM users;
为避免Cassandra上count(*)通常发生的超时，您可以使用复制操作。
cqlsh -e "copy keyspace.table_name (first_partition_key_name) to '/dev/null'" | sed -n 5p | sed 's/ .*//'
nodetool tablestats非常方便，可快速获得行估计值（和其他表统计信息）。
对于特定的表，可以使用nodetool tablestats <keyspace.table>。
nodetool tablestats下看不到行估计。 - IceTea dsbulk count 来检索表的总计数。我曾经在使用上述命令时遇到读取超时的问题，最终通过以下命令成功地获取了计数: dsbulk count -k <keyspace_name> -t <table_name>
有关dsbulk的更多信息，请访问此处。如果你不需要精确计数，你可以通过nodetool cfhistograms获得一些估算值(这些值是估计值)。
如果你运行的是DSE，你也可以使用Spark。
cfhistograms 选项，而 tablehistograms 在行数方面似乎没有提供太多有用的信息。 - Alexis Wilke$nodetool settimeout read 360000
cqlsh -e "SELECT COUNT(*) FROM table;" --request-timeout=3600
我一直在使用Elasticsearch，这可能是解决这个问题的答案...假设您愿意使用Elassandra而不是Cassandra。
搜索系统维护许多统计数据，并且在最后更新后几秒钟内，它应该对您在表中有多少行有一个很好的了解。
这里是一个匹配所有查询请求，可以为您提供信息：
curl -XGET \
-H 'Content-Type: application/json' \
"http://127.0.0.1:9200/<search-keyspace>/_search/?pretty=true" \
-d '{ "size": 1, "query": { "match_all": {} } }'
<search-keyspace>是Elassandra创建的keyspace。通常会被命名为<keyspace>_<table>，所以如果你有一个名为foo的keyspace和一个名为bar的表在该keyspace中，则URL将使用.../foo_bar/...。如果您想获取所有表中行的总数，则只需使用/_search/。{
"took" : 124,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 519659, <-- this is your number
"max_score" : 1.0,
"hits" : [
{
"_index" : "foo_bar",
"_type" : "content",
"_id" : "cda683e5-d5c7-4769-8e2c-d0a30eca1284",
"_score" : 1.0,
"_source" : {
"date" : "2018-12-29T00:06:27.710Z",
"key" : "cda683e5-d5c7-4769-8e2c-d0a30eca1284"
}
}
]
}
}
对于大表的 count(*)，您可以在 Cassandra 上使用 Presto。我已经测试过了，效果很好。
请参考以下链接： 关键词搜索：Cassandra question v3.11.3...
select count(*) from table1
var t = new Table<T>(session);
var count = t.Count().Execute();
考虑使用带有列约束条件的ALLOW FILTERING，然后对值进行求和。
例如：
SELECT count(*)
FROM my_table
WHERE datetime_id >= '2020-09-16' ALLOW FILTERING;
SELECT count(*)
FROM my_table
WHERE datetime_id < '2020-09-16' ALLOW FILTERING;