Cassandra MAX函数返回不匹配行问题求助

问题原因 #

你的查询未限定coauthor_name字段，MAX(num_of_colab)会计算pid='40/2499'且year=2020范围内所有合著者的num_of_colab全局最大值。而Cassandra在聚合查询中包含非聚合列（此处为coauthor_name）时，会返回结果集中任意一行的该列值，并非与最大值对应，这就导致你看到数值9（其他合著者的）错误关联到了Abdul的名字上。

解决方案 #

1. 查询特定合著者的合著数 #

若要获取Abdul Hanif Bin Zaini在2020年的合著数，无需使用聚合函数，直接精准过滤即可：

select coauthor_name, num_of_colab from coauthor_by_author where pid = '40/2499' and year=2020 and coauthor_name = 'Abdul Hanif Bin Zaini';

由于表主键包含coauthor_name，该查询可直接定位到目标行，返回准确数值1。

2. 查询所有合著者的最大合著数 #

若要查看该作者2020年所有合著者各自的最大合著数，需按coauthor_name分组聚合：

select coauthor_name, MAX(num_of_colab) AS max_2020 from coauthor_by_author where pid = '40/2499' and year=2020 GROUP BY coauthor_name;

此查询会返回每个合著者对应的最大合著数，你能清晰看到数值9所属的合著者，以及Abdul对应的数值1。

3. 优化表结构建议 #

你的表主键将num_of_colab作为聚类列，若同一个pid、year、coauthor_name组合下不会出现多个num_of_colab值，建议调整主键为：

CREATE TABLE IF NOT EXISTS coauthor_by_author (
    pid text, 
    year int, 
    coauthor_name text, 
    num_of_colab int, 
    PRIMARY KEY ((pid), year, coauthor_name)
) WITH CLUSTERING ORDER BY (year desc);

这样每个（pid, year, coauthor_name）组合对应唯一的合著数，避免冗余数据，查询逻辑也更清晰。

内容的提问来源于stack exchange，提问作者user15558176