如何在Cassandra中创建支持分组查询的复合主键表？

核心设计逻辑 #

Cassandra是先明确查询需求再建表的数据库，你的核心需求是按标签查询关联问题，那必须把tag作为分区键，这样查询时直接命中对应分区，完全不需要ALLOW FILTERING，性能最优。

具体表结构 #

标签关联问题表（核心查询表） #

CREATE TABLE tagged_questions (
    tag text,
    question_id uuid,
    question_title text,
    question_body text,
    created_at timestamp,
    PRIMARY KEY (tag, question_id)
);

• tag做分区键：每个标签对应一个独立分区，所有打了这个标签的问题都存在该分区内，执行WHERE tag = 'Cassandra'查询时直接定位分区，无额外性能开销。
• question_id做聚类键：保证同一个标签下的问题不会重复；如果需要按时间排序查询最新问题，可将聚类键调整为(tag, created_at, question_id)，这样默认就能按时间倒序返回结果。

标签元数据表（可选） #

如果需要存储标签本身的信息（比如标签描述、创建人），单独建一张表维护：

CREATE TABLE tags (
    tag text PRIMARY KEY,
    description text,
    creator_id uuid,
    created_at timestamp
);

数据写入方式 #

• 给问题打标签时，直接向tagged_questions表插入数据：INSERT INTO tagged_questions (tag, question_id, question_title, question_body, created_at) VALUES ('Cassandra', uuid(), 'Cassandra表设计踩坑', '...', toTimestamp(now()));
• 若为新标签，同时向tags表插入标签元数据即可。

常用查询示例 #

1. 查询某个标签下的所有问题：

SELECT * FROM tagged_questions WHERE tag = 'Cassandra';

2. 查询某个标签下最新的10条问题（聚类键为created_at, question_id的情况）：

SELECT * FROM tagged_questions WHERE tag = 'Cassandra' ORDER BY created_at DESC LIMIT 10;

你之前方案的问题所在 #

你之前把(group, id)作为分区键，相当于每个问题单独占用一个分区，查询标签时Cassandra需要扫描所有分区，因此必须添加ALLOW FILTERING，这本质是全表扫描，数据量一大就会导致性能急剧下降，完全不符合Cassandra的设计理念。

内容的提问来源于stack exchange，提问作者lovecode