咨询：如何在Cassandra中基于两个已索引字段进行查询

嘿，针对你在Cassandra里用两个已索引字段查询的问题，我来给你梳理下可行的方案和注意事项～

首先先回顾下你的表结构和已有的索引：
你的log表以date作为分区键，聚类列是timestamp和eventId，已经为module字段创建了SASI自定义索引。接下来分两种核心场景来讨论如何实现双索引字段的查询：

场景1：查询包含分区键（推荐，性能最优） #

Cassandra的查询性能核心依赖于先定位分区，所以如果你的查询能带上date分区键，再结合两个索引字段过滤，是最理想的情况。

步骤1：给第二个字段创建SASI索引 #

假设你要结合的第二个字段是userId（换成你实际需要的字段即可），执行以下命令创建索引：

CREATE CUSTOM INDEX userid_idx ON log ("userId") USING 'org.apache.cassandra.index.sasi.SASIIndex' WITH OPTIONS = {
    'mode': 'EXACT', -- 根据查询需求选择：EXACT（精确匹配）、PREFIX（前缀匹配）、CONTAINS（包含匹配）
    'case_sensitive': 'false',
    'analyzer_class': 'org.apache.cassandra.index.sasi.analyzer.StandardAnalyzer'
};

注意：mode的选择要和你的查询条件匹配，比如如果需要模糊匹配前缀就用PREFIX，精确匹配用EXACT。

步骤2：执行查询 #

现在就可以同时使用两个索引字段+分区键进行查询了，示例SQL：

SELECT * FROM log 
WHERE date = '2024-05-20' 
AND module = 'auth-service' 
AND userId = 'user123';

这个查询会先定位到date='2024-05-20'的分区，再在该分区内通过两个SASI索引快速过滤出符合module和userId条件的数据，性能表现较好。

场景2：查询不包含分区键（不推荐，性能较差） #

如果你的查询无法带上date分区键，直接用两个索引字段查询的话，Cassandra会触发全表扫描，然后通过两个索引去过滤结果——这种方式在数据量较大时性能会非常差，因为需要遍历所有分区。

示例SQL（不推荐频繁使用）：

SELECT * FROM log 
WHERE module = 'auth-service' 
AND userId = 'user123';

优化方案：反规范化查询表（Cassandra最佳实践） #

如果这类跨分区的双字段查询是高频需求，建议采用Cassandra推荐的反规范化思路，创建一张专门用于该查询的表：

CREATE TABLE log_by_module_userid (
    module text,
    userId text,
    date text,
    timestamp timestamp,
    eventId text,
    message text,
    ovirtEventId text,
    category text,
    PRIMARY KEY ((module, userId), date, timestamp, eventId)
) WITH CLUSTERING ORDER BY (date DESC, timestamp DESC);

这张表把module和userId作为复合分区键，查询时直接定位到对应的分区，性能会比使用二级索引好很多：

SELECT * FROM log_by_module_userid 
WHERE module = 'auth-service' 
AND userId = 'user123';

你需要在写入log表的同时，同步写入这张查询表（可以通过应用层实现，或者使用Cassandra的触发器）。

关键注意事项 #

• SASI索引适合低基数字段或者查询频率不高的场景，如果是高频查询，反规范化表是更优选择。
• 尽量避免不带分区键的多索引字段查询，全表扫描会严重影响集群性能。
• 多个SASI索引的查询条件，尽量使用等值匹配，范围查询（比如timestamp > ?）需要结合聚类列或分区键来优化。

内容的提问来源于stack exchange，提问作者Coder