如何在Cassandra中无需ALLOW FILTERING统计符合条件的唯一ID数？

问题分析 #

原查询针对table1失败的核心原因：table1的主键为(ID, DATE)，其中ID是分区键，DATE是聚类键。当WHERE子句仅指定DATE时，Cassandra需要遍历所有ID分区来筛选符合条件的记录，这种跨分区的过滤必须启用ALLOW FILTERING，但你受限无法使用该选项。

可行方案 #

由于不能使用ALLOW FILTERING或新建表，我们可以通过全表查询+客户端处理的方式实现需求，具体步骤如下：

1. 选择合适的表执行全表查询

优先选择数据量更小的table1，执行全表查询获取所有记录：

SELECT ID, DATE, TRIP_TIME FROM table1;

该查询无需ALLOW FILTERING，因为没有添加任何过滤条件，Cassandra会直接返回表中所有数据。

2. 客户端侧处理数据

在应用程序代码中完成以下操作：

• 筛选出DATE = '2022-01-01'且TRIP_TIME > 0的记录
• 用集合类（如HashSet）存储筛选后的ID，自动实现去重
• 统计集合内的元素数量，即为符合要求的唯一ID总数

替代方案（基于table2）

如果必须使用table2，同样执行全表查询：

SELECT ID, DATE, TRIP_TIME FROM table2;

后续客户端处理逻辑与上述一致，只需忽略TYPE字段，仅关注ID的唯一性即可。

说明 #

这种方案需要在客户端处理全量数据，效率取决于表的总数据规模，但这是在给定约束下唯一可行的实现方式。

内容的提问来源于stack exchange，提问作者Moses Casposes