我在 Cassandra 文档中读到,创建二级索引的效率较低,因为在最坏的情况下,它需要接触所有节点才能找出该非键列的数据。
但我的疑问是,即使我们不创建二级索引,它也必须接触所有节点(在最坏的情况下)并找出具有此非键列值的特定行所在的位置。
注意:是的,我知道如果基数很高,那么二级索引可能会包含(存储)大多数行的索引,这样就存储而言很糟糕。但是我想知道不创建二级索引比创建二级索引效率如何?
我在 Cassandra 文档中读到,创建二级索引的效率较低,因为在最坏的情况下,它需要接触所有节点才能找出该非键列的数据。
但我的疑问是,即使我们不创建二级索引,它也必须接触所有节点(在最坏的情况下)并找出具有此非键列值的特定行所在的位置。
注意:是的,我知道如果基数很高,那么二级索引可能会包含(存储)大多数行的索引,这样就存储而言很糟糕。但是我想知道不创建二级索引比创建二级索引效率如何?
二级索引应仅在特定情况下使用,例如,当您将它们与分区键列的条件一起使用时,您具有正确的数据基数等。
例如,如果我们有下表:
create table test.test (
pk int,
c1 int,
val1 int,
val2 int,
primary key(pk, c1));
并且您在列上创建了二级索引val2
,那么以下查询将非常有效:
select * from test.test where pk = 123 and val2 = 10
因为您仅将查询的执行限制为pk
具有 value的副本的节点123
。
但如果你这样做
select * from test.test where val2 = 10
然后 Cassandra 将需要去每个节点,并在那里请求数据 - 它会慢得多,并对协调节点施加压力。
标准二级索引还有其他限制,例如,仅搜索特定值、列具有非常低或非常高的基数时的问题等。SASI 索引从设计的角度来看更好,尽管它们仍处于试验阶段,并且在实现方面存在问题。
您可以在以下博客文章中找到有关二级索引实现的技术细节。
DataStax 在商业产品中有其他实现: