如何获取Cassandra指定library下details列的唯一值及键设计建议

首先明确核心问题：当前表的主键设计和你的查询需求不匹配，导致无法高效获取去重的details值。

为什么原有查询失效？ #

你当前的表定义中：

PRIMARY KEY (sysid, library, details)

这里sysid是唯一分区键，library和details属于聚类键。Cassandra的规则是：

1. SELECT DISTINCT必须包含所有分区键列，所以单独查DISTINCT details会报错，因为缺少分区键sysid。
2. 你之前的SELECT details FROM library_book WHERE library='library-KR'（注意原语句漏了字符串引号）本质是全表扫描（未指定分区键sysid），性能差且会返回重复值。

正确的主键设计方案 #

Cassandra是读优先的数据库，主键必须围绕查询需求设计。针对「按library过滤，获取唯一details值」的需求，有两种可行方案：

方案1：调整主表主键适配查询 #

直接修改主表的主键结构，将library设为分区键，details设为第一聚类键：

CREATE TABLE IF NOT EXISTS library_book (
   sysid UUID,
   item_name text,
   details text,
   library text,
   timestamp TIMESTAMP,
   PRIMARY KEY (library, details, sysid)
);

• library作为分区键：同一library的数据会存在同一个分区，查询时指定library可直接定位到目标分区，避免全表扫描。
• details作为第一聚类键：Cassandra会自动在分区内按details排序，同一library+details的重复数据会被聚类键的唯一性约束处理（若无需保留重复sysid，可移除sysid作为聚类键）。
• 此时执行查询：

SELECT DISTINCT details FROM library_book WHERE library='library-KR';

就能得到期望的去重结果：

details
---------
 color
 font

方案2：创建专门的聚合表（推荐） #

如果需要保留原有主表结构，同时高效实现该查询，建议创建一张专门的聚合表（符合Cassandra反范式设计原则）：

CREATE TABLE IF NOT EXISTS library_details_unique (
   library text,
   details text,
   PRIMARY KEY (library, details)
);

• 主键(library, details)确保同一library下的details不会重复，插入重复数据时会自动覆盖。
• 每次往主表插入数据时，同步往这张表插入对应的library和details。
• 查询时直接执行：

SELECT details FROM library_details_unique WHERE library='library-KR';

该查询性能极高，且天然返回去重后的结果。

Cassandra主键设计核心要点 #

• 分区键决定数据的存储节点，查询时必须指定分区键（除非用ALLOW FILTERING，但强烈不推荐，会引发全表扫描）。
• 聚类键用于分区内的数据排序、去重，定义了分区内数据的组织逻辑。
• 不同的查询需求对应不同的表结构，不要试图用一张表满足所有查询场景，反范式设计是Cassandra的最佳实践。

内容的提问来源于stack exchange，提问作者newlearner