Cassandra中Allow Filtering与多轮分区键查询的方案选择

1. 是否无法创建无需ALLOW FILTERING的表结构？ #

你的判断不正确，完全可以针对需求设计出不需要ALLOW FILTERING的表结构，甚至能做到性能最优。

首先纠正你现有表的两处问题：

• 表名popular_recipes与电影场景不匹配，建议改为更贴合的名称（比如top_rated_movies）；
• CLUSTERING ORDER中引用的rec_id字段不存在，应改为mov_id。

针对你固定时间范围（2012-01-01至2012-05-31）取Top25高评分电影的需求，推荐以下表设计：

CREATE TABLE IF NOT EXISTS top_rated_movies_2012_h1 (
    time_window text,
    rating float,
    mov_id int,
    mov_name text,
    release_date date,
    PRIMARY KEY (time_window, rating, mov_id)
) WITH CLUSTERING ORDER BY (rating DESC, mov_id ASC);

• 用固定标识time_window（比如值为'2012_H1'）作为分区键，确保该时间范围的所有数据都落在同一个分区；
• 聚类键按rating降序、mov_id升序排列，让高评分电影在分区内自然排序。

查询时只需执行：

SELECT mov_id, mov_name, rating FROM top_rated_movies_2012_h1 
WHERE time_window = '2012_H1' LIMIT 25;

全程无需ALLOW FILTERING，直接从分区内按预定义顺序取前25条数据，性能最优。

如果你的需求是支持任意动态时间范围的Top25查询，确实无法做到完全无过滤，但可以通过优化表结构（比如将rating作为分区键，release_date作为聚类键），配合你提出的迭代思路实现高效查询，同样不需要ALLOW FILTERING。

2. 优先选ALLOW FILTERING还是迭代方案？ #

如果必须二选一，优先选择迭代方案，绝对不要使用ALLOW FILTERING。

原因在于：

• ALLOW FILTERING会触发全表扫描，Cassandra的分布式架构下，全表扫描需要遍历所有节点的所有分区，性能极差，数据量越大越容易出现超时、集群负载飙升等问题；
• 迭代方案是针对每个评分值做精准的分区查询（若rating为分区键），每次查询的范围极小，能快速获取高评分电影，累计够25条后即可停止，性能可控且高效。

内容的提问来源于stack exchange，提问作者mathnoob10