Cassandra如何统计非集合列中包含指定文本的行数？

Cassandra的CONTAINS条件仅支持set、list、map三类集合类型列，你的genres字段是text类型的普通字符串，因此会抛出Cannot use CONTAINS on non-collection column genres错误，属于语法层面的硬限制，无法直接绕过。

按不同使用场景选对应方案即可：

• 临时统计、数据量不大（百万行以内）：客户端侧计算
  不需要改表结构、不需要建索引，直接查询全表的genres字段，在代码侧拆分标签后统计，实现成本最低。Python参考实现：

from cassandra.cluster import Cluster

cluster = Cluster(['127.0.0.1'])
session = cluster.connect('movielens')
comedy_count = 0
for row in session.execute("SELECT genres FROM data_movies"):
if 'Comedy' in row.genres.split('|'):
comedy_count += 1
print(comedy_count)

- 不改动表结构、需要直接通过CQL查询：LIKE+SASI索引
Cassandra 3.4+版本支持SASI自定义索引实现字符串包含匹配，先给genres列建索引：
```sql
CREATE CUSTOM INDEX genres_contains_idx ON movielens.data_movies (genres)
USING 'org.apache.cassandra.index.sasi.SASIIndex'
WITH OPTIONS = {
  'mode': 'CONTAINS',
  'analyzer_class': 'org.apache.cassandra.index.sasi.analyzer.NonTokenizingAnalyzer',
  'case_sensitive': 'true'
};

索引创建完成后，用以下查询覆盖Comedy在标签串的所有位置（单独存在、开头、中间、结尾），避免误匹配名称带Comedy的其他标签：

SELECT COUNT(*) FROM movielens.data_movies
WHERE genres = 'Comedy'
 OR genres LIKE 'Comedy|%'
 OR genres LIKE '%|Comedy'
 OR genres LIKE '%|Comedy|%'
ALLOW FILTERING;

如果确认数据集不存在名称包含Comedy的非目标标签，可以直接简化为WHERE genres LIKE '%Comedy%'。

• 高频按电影类型做查询统计：改造表结构为集合类型
  这是长期使用的最优方案，将genres字段类型从text改为set<text>，数据导入时将原|分隔的字符串拆分为标签集合存入。改造后可以直接使用CONTAINS语法，查询性能远高于字符串模糊匹配：

SELECT COUNT(*) FROM movielens.data_movies WHERE genres CONTAINS 'Comedy' ALLOW FILTERING;

内容的提问来源于stack exchange，提问作者NNN