Scylla数据库复合分区键的列顺序是否重要？两种定义有何差异？

复合分区键的列顺序非常重要，把PRIMARY KEY ((user_id, city))改成PRIMARY KEY ((city, user_id))会带来以下关键变化：

• 数据存储节点完全不同
  Scylla通过对整个分区键组合计算哈希值来分配数据节点。当你调换两个列的顺序后，分区键的组合内容发生变化，对应的哈希值也会完全不同，同一份数据会被存储到集群中不同的节点上。比如user_id='u1'、city='shanghai'的记录，原定义下基于('u1','shanghai')计算哈希，修改后基于('shanghai','u1')计算，两者哈希值几乎不可能一致，最终存储节点完全不同。

• 数据分布与热点风险改变
  分区键顺序直接影响数据的分布逻辑：

  • 如果原表中user_id的取值分布更均匀，数据会分散到更多节点，避免热点；但修改后如果某个city的用户量极大，该城市的所有数据会集中到少数几个节点，容易引发负载过高的热点问题。
  • 反之，如果你的查询场景更倾向于按城市聚合查询，修改后的顺序可能让同城市的数据更集中，但也要承担热点风险。

• 分区唯一性判定逻辑变化
  调换顺序后，(user_id, city)和(city, user_id)会被视为两个完全独立的分区。比如在修改后的表中插入city='shanghai'、user_id='u1'的记录，和原表中user_id='u1'、city='shanghai'的记录，属于不同分区，不会被判定为重复数据。

举个实际例子：
原表定义下执行插入：

INSERT INTO X (user_id, city, name) VALUES ('u1', 'shanghai', 'Alice');

这条数据的分区由('u1','shanghai')标识。

修改表定义后执行插入：

INSERT INTO X (city, user_id, name) VALUES ('shanghai', 'u1', 'Alice');

这条数据的分区由('shanghai','u1')标识，会被存储到不同节点，和原记录互不干扰。

内容的提问来源于stack exchange，提问作者Akshit Bansal