分区键的列顺序是否重要？高基数列应置于分区键的哪个位置？

1. 分区键的列顺序绝对重要 #

不管是单分区键还是复合分区键，列的顺序都会直接影响数据的存储分布和查询效率。

2. 复合分区键a与b的顺序影响 #

以你给出的表定义为例：

CREATE TABLE t (
  a varchar,
  b int,
  c text,
  PRIMARY KEY ((a,b))
);

如果把分区键改成((b,a))，两者的区别非常明显：

• 数据存储：数据库会对整个分区键组合做哈希计算，(a,b)和(b,a)的哈希值完全不同，对应的数据会被分配到不同的集群节点上。
• 查询限制：查询时必须严格匹配分区键的顺序，比如用a=? AND b=?能正常命中数据，但如果写成b=? AND a=?，数据库会判定为不同的分区键查询，无法定位到正确的数据分区。

3. 高基数列的位置选择 #

如果a的基数（唯一元素数量）更高，一定要把它放在分区键的首位。
原因很直接：高基数的列能让数据的哈希分布更均匀，避免出现热点节点。如果把低基数的列放前面，大量数据会集中在少数几个哈希值对应的节点上，导致这些节点负载过高，拖慢整个集群的性能。而高基数列在前，结合低基数列的组合能让数据分散到更多节点，均衡集群负载。

内容的提问来源于stack exchange，提问作者sloweax