Cassandra范围查询数据建模：如何设计主键兼顾唯一标识与多查询需求

你的核心需求存在Cassandra原生主键规则的冲突：如果要行唯一标识仅为studentid，则studentid必须作为唯一的分区键（复合主键中只有分区键+所有聚类键完全一致时，upsert才会覆盖同一行）；而updatedon的范围查询要求该字段必须是聚类键，且查询时必须带前面所有聚类键的等值过滤。下面给出两种可落地的方案：

方案1：保留原表结构，新增独立查询表（生产环境推荐） #

该方案完全不影响原有轻量化的表设计和upsert逻辑，同时满足所有查询需求：

• 原学生表保持你初始的设计，主键仅为studentid，支持直接按studentid做upsert更新，你计划加的major二级索引也可以直接在这张表上创建，满足按major查询的需求，全表查询也直接查这张表即可：

CREATE TABLE student (
    studentid text PRIMARY KEY,
    department text,
    major text,
    updatedon timestamp
);
-- 按需创建major二级索引
CREATE INDEX idx_student_major ON student(major);

• 单独创建一张用于updatedon范围查询的表，仅增加极低复杂度的分桶逻辑：

CREATE TABLE student_by_updatedon (
    time_bucket text, -- 分桶字段，按查询常用时间跨度设置，比如按年存'2023'、按季度存'2024Q1'
    updatedon timestamp,
    studentid text,
    department text,
    major text,
    PRIMARY KEY (time_bucket, updatedon, studentid)
);

• 使用规则：
  • 每次对student表做upsert时，同步写入student_by_updatedon表，time_bucket直接根据updatedon的时间计算即可，比如取年份、季度等
  • 做updatedon范围查询时，先确认查询时间覆盖的所有分桶，对每个分桶执行范围查询后合并结果即可
  • studentid作为最后一位聚类键，避免同一时间同一学生出现重复数据

方案2：给updatedon加二级索引（仅适合测试/极小数据量场景） #

如果你的表数据量在数千条以内，不想多维护一张表，可以直接给updatedon创建二级索引：

CREATE INDEX idx_student_updatedon ON student(updatedon);

查询时加ALLOW FILTERING即可做范围查询：

SELECT * FROM student WHERE updatedon >= '2021-01-01' AND updatedon < '2021-03-01' ALLOW FILTERING;

注意：该方案大数据量下会扫描所有节点的全量数据，性能极差，不建议生产环境使用。

关于分桶复杂度的说明 #

你担心的bucketing方案额外复杂度非常低：如果你的查询时间跨度最多1-2年，按年分桶的话每次查询最多查2个桶，计算分桶的逻辑仅需提取updatedon的年份转字符串即可，几乎没有额外开发成本，也完全不影响原表的简洁设计。

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