如何在Cassandra中统计指定日期的distinct id数量？

我来帮你搞定这个Cassandra查询的难题～首先得先说说你原来的SQL写法在Cassandra里行不通的几个原因：

1. timestamp类型不能用LIKE模糊匹配：你的dt是timestamp类型，Cassandra不支持对非字符串类型用LIKE，得用时间范围的比较运算符（>=/<=）来限定日期。
2. 主键结构导致的查询效率问题：你的表分区键是(id,dt)，如果查询时不指定id，会触发全表扫描——这在Cassandra里数据量大的时候性能会非常差，甚至可能超时。
3. COUNT(DISTINCT)的用法限制：Cassandra的COUNT(DISTINCT)虽然支持，但在无分区限定的全表扫描场景下，性能表现会很糟糕。

方案一：直接查询（适合小数据集，临时需求） #

如果你暂时没法改表结构，那可以用时间范围来替代LIKE，写出能运行的CQL：

SELECT COUNT(DISTINCT id) 
FROM OrderHistory 
WHERE dt >= '2018-10-01 00:00:00' 
  AND dt <= '2018-10-01 23:59:59';

⚠️ 注意：这个查询会遍历所有分区，数据量大的话别轻易用，大概率会慢到超时。

方案二：优化表结构（推荐，适合长期需求） #

既然你经常需要按日期统计distinct id，那最好调整表的分区策略，把日期维度加入分区键，让查询可以精准定位到目标分区：

方法1：新建优化后的表

CREATE TABLE IF NOT EXISTS OrderHistoryByDay (
    status varchar,
    id bigint,
    ordtype varchar,
    side varchar,
    instrument varchar,
    exrate double,
    dt timestamp,
    day date, -- 新增日期字段，按天分区
    PRIMARY KEY ((day), id, status, dt)
);

插入数据时，把day字段设为dt对应的日期（比如用dateOf(dt)函数自动生成），之后查询就快多了：

SELECT COUNT(DISTINCT id) 
FROM OrderHistoryByDay 
WHERE day = '2018-10-01';

方法2：创建物化视图（不用改原表）

如果不想动原表，可以创建一个物化视图来适配按日查询的需求：

CREATE MATERIALIZED VIEW OrderHistoryByDay AS
SELECT id, status, dt, ordtype, side, instrument, exrate
FROM OrderHistory
WHERE id IS NOT NULL AND dt IS NOT NULL AND status IS NOT NULL -- 主键字段不能为null
PRIMARY KEY ((dateOf(dt)), id, status, dt);

然后用物化视图查询：

SELECT COUNT(DISTINCT id) 
FROM OrderHistoryByDay 
WHERE dateOf(dt) = '2018-10-01';

总结 #

Cassandra是写优化的数据库，查询要尽量贴合分区键设计。如果长期有按日统计的需求，优先用方案二的结构优化，能避免全表扫描带来的性能问题；临时小数据查询可以用方案一应急。

内容的提问来源于stack exchange，提问作者Maks Jok