Cassandra中如何避免使用ALLOW FILTERING？表设计咨询

现有表结构如下：

CREATE TABLE MY_TABLE
(
A TEXT,
B TEXT,
TOTAL INT,
PRIMARY KEY (A, B )
);

需要分别基于键A和键B进行查询：

• 基于A的查询语句可正常返回结果：

SELECT sum(total) FROM MY_TABLE WHERE A='A';

• 基于B的查询语句执行时触发ALLOW FILTERING错误：

SELECT sum(total) FROM MY_TABLE WHERE B='B';

错误信息如下：

InvalidRequest: Error from server: code=2200 [Invalid query] message="Cannot execute this query as it might involve data filtering and thus may have unpredictable performance. If you want to execute this query despite the performance unpredictability, use ALLOW FILTERING"

请问如何避免使用ALLOW FILTERING？是否需要将数据拆分到两张表中？

1. 给B创建二级索引 #

你的表主键结构是(A, B)，其中A是分区键，B是聚类列。基于分区键A的查询能直接定位到对应数据分区，所以可以正常执行；但仅基于聚类列B查询时，数据库需要扫描所有数据分区，这就是触发错误的原因。

给B创建二级索引后，查询就能通过索引快速定位数据，无需全表扫描：

CREATE INDEX idx_my_table_b ON MY_TABLE(B);

2. 用物化视图优化聚合查询 #

如果你的查询频繁涉及sum(total)这类聚合操作，物化视图会更高效——它会预先计算并存储聚合结果，查询时直接读取即可：

CREATE MATERIALIZED VIEW mv_my_table_b_total AS
SELECT B, sum(total) AS total_sum
FROM MY_TABLE
GROUP BY B;

之后查询B对应的总和时，直接查物化视图：

SELECT total_sum FROM mv_my_table_b_total WHERE B='B';

物化视图会自动同步原表的数据更新，性能比二级索引更适合聚合场景。

3. 是否需要拆分表？ #

通常不需要拆分表。分表（创建两张主键不同的表，比如一张主键(A,B)，另一张(B,A)，写入时同时写入两张表）是早期Cassandra没有二级索引和物化视图时的方案，现在前两种方法已经能满足需求。除非数据量极大且对查询性能有极致要求，才考虑分表，但这样会增加写入复杂度和存储成本，优先选前两种方案。

内容的提问来源于stack exchange，提问作者Tutu ツ