Cassandra使用IN()查询带索引列失败，需Allow Filtering问题咨询

你遇到的问题核心在于Cassandra的查询规则和本地二级索引（LSI）的工作机制，具体原因如下：

1. 主表存储结构的限制
   你的表主键是((cid), stop_id)，这意味着同一个cid分区内的行是按stop_id排序存储的，date属于非主键列，在分区内是无序分布的。当执行where cid = ? and date in (...)时，Cassandra需要扫描该cid分区内的所有行，逐一校验date是否符合条件——这种分区内全量扫描过滤的操作，Cassandra默认会阻止，因为如果分区数据量过大，会带来严重的性能开销，所以要求你添加ALLOW FILTERING来确认你知晓该风险。

2. 本地二级索引未被自动调用
   你创建的LSI((cid), date)理论上可以优化这个查询，但Cassandra的查询优化器不会自动选择用它来执行聚合查询（sum(rate)）。原因是这个LSI仅存储cid、date和对应的主键stop_id，要计算sum(rate)，Cassandra需要先通过索引找到符合条件的stop_id，再回主表读取对应的rate值，这个过程需要额外的IO操作，优化器会默认选择主表扫描的路径，因此依然要求ALLOW FILTERING。

可行的解决办法 #

• 添加ALLOW FILTERING：如果你的cid分区数据量不大，性能可以接受，直接在查询末尾加上该语句即可执行：

  select sum(rate) from trip_stops where
        cid = aa9e4310-e439-423c-86e5-53ddd7c74609
              and date in ('2019-01-01', '2019-01-02') ALLOW FILTERING;
  

• 修改表结构：把date加入聚类列，重新设计主键为((cid), date, stop_id)，这样同一个cid分区内的行按date+stop_id排序，查询时可以直接定位到指定date的行，不需要索引也不需要ALLOW FILTERING：

  create table trip_stops
  (
      cid      uuid,
      stop_id  uuid,
      rate     float,
      date     date,
      primary key ((cid), date, stop_id)
  );
  

• 强制使用索引：先给索引命名，再用USE INDEX语法明确指定查询使用该LSI：

  -- 给索引命名
  CREATE INDEX trip_stops_cid_date_idx ON trip_stops ((cid), date);
  -- 查询时指定索引
  select sum(rate) from trip_stops USE INDEX (trip_stops_cid_date_idx) where
        cid = aa9e4310-e439-423c-86e5-53ddd7c74609
              and date in ('2019-01-01', '2019-01-02');
  

内容的提问来源于stack exchange，提问作者lkqWRHL23O