1

我已将我的 csv 文件上传到我的 Datastax Astra DB 中。问题是为什么数据在上传时，行变得杂乱无章或随机。假设在我的 csv 中，行 id 是 1、2、3，...然后当我将它上传到我的数据库时，它会被上传到乱码/重新排列，比如行 id 2、1、4、5、3 .. .由于这个原因，当我通过http_methodspython请求数据时，数据也随之而来，因为它是以无组织的方式存储的。为什么会这样？有没有办法解决这个问题？

4

2 回答 2

2

它归结为 Cassandra 如何存储您的数据。我假设您只partition key在主键中定义 a 。分区键负责数据如何存储在集群中的节点上。如果您希望数据按特定顺序排列，则需要定义主键的第二部分，即clustering key.

我建议看看这个答案，它很好地解释了订购 https://stackoverflow.com/a/35708544/13078421

于 2021-10-08T05:15:05.163 回答
2

为什么会这样？

dwettlaufer 的回答很准确，但我将提供一个视觉表示来帮助理解这里发生的事情：

> SELECT id,token(id),name FROM numbers ;

 id | system.token(id)     | name
----+----------------------+-------
  5 | -7509452495886106294 |  five
  1 | -4069959284402364209 |   one
  2 | -3248873570005575792 |   two
  4 | -2729420104000364805 |  four
  3 |  9010454139840013625 | three

(5 rows)

Astra DB 中的数据按分区键的哈希标记值顺序存储。由于散列，数值很可能以不同的顺序排列。

有没有办法解决这个问题？

如前所述，排序顺序只能在分区键内强制执行。因此，如果使用不同的列作为分区键，id则可用于对其中的数据进行排序。

考虑一个如下所示的表：

CREATE TABLE dept_numbers (
    dept int,
    id int,
    name TEXT,
PRIMARY KEY(dept,id));

然后这样的事情会起作用：

> SELECT * FROM dept_numbers WHERE dept=1;

 dept | id | name
------+----+-------
    1 |  1 |   one
    1 |  2 |   two
    1 |  3 | three
    1 |  4 |  four
    1 |  5 |  five

(5 rows)

请注意，所有使用 Astra DB 的查询都应该有一个WHERE子句。没有它，将导致昂贵的表扫描。

于 2021-10-08T18:20:18.987 回答