Cassandra中的分区键，复合键和群集键之间的区别？

我一直在网上阅读文章，以了解以下key类型之间的区别。但是我似乎很难理解。实例肯定会帮助您更好地理解。

primary key,
partition key, 
composite key 
clustering key

对此有很多困惑，我将尝试使其尽可能简单。

主键是一个通用概念，用于指示用于从表中检索数据的一个或多个列。

主键可以是SIMPLE，甚至可以内联声明：

 create table stackoverflow_simple (
      key text PRIMARY KEY,
      data text      
  );

这意味着它是由单个列组成的。

但是主键也可以是COMPOSITE（又称COMPOUND），可以从更多列中生成。

 create table stackoverflow_composite (
      key_part_one text,
      key_part_two int,
      data text,
      PRIMARY KEY(key_part_one, key_part_two)      
  );

在COMPOSITE主键的情况下，键的“第一部分”称为PARTITION KEY（在此示例中，key_part_one是分区键），而键的第二部分是CLUSTERING KEY（在此示例中，key_part_two）

请注意，分区键和群集键都可以由更多列组成，方法如下：

 create table stackoverflow_multiple (
      k_part_one text,
      k_part_two int,
      k_clust_one text,
      k_clust_two int,
      k_clust_three uuid,
      data text,
      PRIMARY KEY((k_part_one, k_part_two), k_clust_one, k_clust_two, k_clust_three)      
  );

这些名字的背后...

• 该分区键是负责在您的节点的数据分发。
• 该集群主要负责数据的分区中的排序。
• 该主键相当于分区键在单场键表（即简单）。
• 该复合/复合键就是任何多列键

更多使用信息：DATASTAX文档

insert into stackoverflow_simple (key, data) VALUES ('han', 'solo');
select * from stackoverflow_simple where key='han';

表格内容

key | data
----+------
han | solo

COMPOSITE / COMPOUND KEY可以检索“宽行”（即，即使定义了集群键，也可以仅通过分区键进行查询）

insert into stackoverflow_composite (key_part_one, key_part_two, data) VALUES ('ronaldo', 9, 'football player');
insert into stackoverflow_composite (key_part_one, key_part_two, data) VALUES ('ronaldo', 10, 'ex-football player');
select * from stackoverflow_composite where key_part_one = 'ronaldo';

表格内容

 key_part_one | key_part_two | data
--------------+--------------+--------------------
      ronaldo |            9 |    football player
      ronaldo |           10 | ex-football player

但是您可以使用所有键（分区和群集）查询...

select * from stackoverflow_composite 
   where key_part_one = 'ronaldo' and key_part_two  = 10;

查询输出

 key_part_one | key_part_two | data
--------------+--------------+--------------------
      ronaldo |           10 | ex-football player

重要说明：分区键是使用进行查询所需的最小说明符where clause。如果您有复合分区键，则如下所示

例如： PRIMARY KEY((col1, col2), col10, col4))

您只能通过至少同时传递col1和col2来执行查询，这是定义分区键的2列。进行查询的“通用”规则是，您必须至少传递所有分区键列，然后可以选择按其设置顺序添加每个群集键。

因此有效查询为（不包括二级索引）

• col1和col2
• col1和col2和col10
• col1和col2以及col10和col 4

无效：

• col1和col2和col4
• 不包含col1和col2的任何内容

希望这可以帮助。

添加摘要答案作为接受答案很长。在CQL的上下文中使用术语“行”和“列”，而不是实际上如何实现Cassandra。

• 甲主键唯一地标识的行。
• 甲复合键是从多个列形成的键。
• 甲分区键是主查找找到一组行的，即，一个分区。
• 甲聚集键是主键不是分区键（并且限定分区中的顺序）的一部分。

例子：

• PRIMARY KEY (a)：分区键为a。
• PRIMARY KEY (a, b)：分区键为a，集群键为b。
• PRIMARY KEY ((a, b))：复合分区键为(a, b)。
• PRIMARY KEY (a, b, c)：分区键为a，组合群集键为(b, c)。
• PRIMARY KEY ((a, b), c)：复合分区键为(a, b)，群集键为c。
• PRIMARY KEY ((a, b), c, d)：复合分区键为(a, b)，复合群集键为(c, d)。

在cassandra中，主键，分区键，复合键，聚类键之间的差异总是会引起混淆。因此，我将在下面进行说明并相互联系。我们使用CQL（Cassandra查询语言）进行Cassandra数据库访问。注意：-答案为Cassandra的更新版本。 首要的关键 ：-

在cassandra中，有两种使用主键的方法。

CREATE TABLE Cass (
    id int PRIMARY KEY,
    name text 
);

Create Table Cass (
   id int,
   name text,
   PRIMARY KEY(id) 
);

在CQL中，为PRIMARY KEY定义列的顺序很重要。该键的第一列称为分区键，该分区键具有以下属性：共享同一分区键的所有行（实际上甚至跨表）都存储在同一物理节点上。同样，对给定表共享相同分区键的行的插入/更新/删除是原子且独立执行的。注意，可能有一个复合分区键，即由多列组成的分区键，使用一组额外的括号来定义哪些列构成分区键。

分区和群集 PRIMARY KEY定义由两部分组成：分区密钥和群集列。第一部分映射到存储引擎行键，而第二部分用于对行中的列进行分组。

CREATE TABLE device_check (
  device_id   int,
  checked_at  timestamp,
  is_power    boolean,
  is_locked   boolean,
  PRIMARY KEY (device_id, checked_at)
);

这里device_id是分区键，checked_at是cluster_key。

我们也可以有多个集群键以及分区键，这取决于声明。

主键：由分区键[和可选的群集键（或列）组成]
分区键：分区键的哈希值用于确定群集中要存储数据的特定节点
群集键：用于对每个分区（或负责节点及其副本）中的数据进行排序

复合主键：如上所述，聚类键在主键中是可选的。如果未提及它们，那是一个简单的主键。如果提到集群键，则它是复合主键。

复合分区键：仅将一列用作分区键，可能会导致宽行问题（取决于用例/数据建模）。因此，分区键有时被指定为多于一列的组合。

关于哪些是强制性的，哪些是可以跳过的等的混淆，试图将 Cassandra想象成一个巨大的HashMap会有所帮助。因此，在HashMap中，没有键就无法检索值。
在此，分区键充当该键的角色。因此，每个查询都需要指定它们。没有它们，Cassandra将不知道要搜索哪个节点。
的集群键（列，哪些是可选的），在进一步缩小您的查询搜索卡桑德拉找出特定节点之后（和它的复制品）的帮助下负责特定的分区键。

简而言之：

分区键是什么，但鉴定为一排，即识别大部分的时间是在单个列（称为主键），有时一个多列（被称为组合复合分区键）。

群集键不过是索引和排序。群集密钥取决于以下几件事：

1. 您在where子句中使用哪些列（主键列除外）。

2. 如果您有很多记录，那么我可以就什么问题进行划分以便于管理。例如，我有一个100万县人口记录的数据。因此，为了便于管理，我根据状态和密码后对数据进行聚类等。

值得注意的是，在关系世界中（复合键），您可能会比在类似概念中使用更多的东西。

示例-假设您必须找到最近加入用户组X的最后N个用户。在这种情况下，读操作占主导地位，您将如何有效地做到这一点？这样（来自正式的Cassandra指南）：

CREATE TABLE group_join_dates (
    groupname text,
    joined timeuuid,
    join_date text,
    username text,
    email text,
    age int,
    PRIMARY KEY ((groupname, join_date), joined)
) WITH CLUSTERING ORDER BY (joined DESC)

在这里，分区键本身就是复合，而群集键是加入日期。之所以聚集键是注册日期是结果已经分类（和存储，这使得查找快）。但是为什么我们要使用复合键来分区键呢？因为我们一直想读取尽可能少的分区。将join_date放在那里有什么帮助？现在，来自同一组和相同加入日期的用户将驻留在一个分区中！这意味着我们将始终读取尽可能少的分区（首先从最新的分区开始，然后移至较旧的分区，以此类推，而不是在它们之间跳转）。

事实上，在极端情况下，你还需要使用哈希的join_date而非join_date单独-所以，如果你查询最近3天内往往是那些有着相同的哈希值，因此可从同一分区！

Cassandra中的主键通常由两部分组成-分区键和群集列。

primary_key（（（partition_key），clustering_col）

分区键-主键的第一部分。分区键的主要目的是识别存储特定行的节点。

创建表phone_book（phone_num int，名称文本，age int，城市文本，主键（（phone_num，name），age）;

在这里，（phone_num，名称）是分区键。插入数据时，将生成分区键的哈希值，该值决定该行应进入的节点。

考虑一个4节点群集，每个节点都有一个可以存储的哈希值范围。（写入）插入phone_book值（7826573732，'Joey'，25，'New York'）;

现在，分区键的哈希值由Cassandra分区程序计算。例如，哈希值（7826573732，'Joey'）→12，现在，此行将插入到节点C中。

（读取）SELECT * FROM phone_book在哪里phone_num = 7826573732和name ='Joey';

现在，再次计算分区键的哈希值（7826573732，'Joey'），在我们的情况下为12，它位于节点C中，从中进行读取。

2. 群集列-主键的第二部分。具有聚类列的主要目的是按排序顺序存储数据。默认情况下，顺序是升序的。

根据要解决的查询，主键中可以有多个分区键和群集列。

primary_key（（pk1，pk2），col 1，col2）

在数据库设计中，复合键是一组不小的超级键。

复合键是一组包含复合键和至少一个不是超级键的属性的集合

给定的表：EMPLOYEES {employee_id，名字，姓氏}

可能的超级键是：

{employee_id}
{employee_id, firstname}
{employee_id, firstname, surname}

{employee_id}是唯一的最小超键，这也使其成为唯一的候选键，因为{firstname}和{surname}不能保证唯一性。由于将主键定义为选定的候选键，并且在此示例中仅存在一个候选键，因此{employee_id}是最小超键，唯一候选键和唯一可能的主键。

复合键的详尽列表为：

{employee_id, firstname}
{employee_id, surname}
{employee_id, firstname, surname}

唯一的组合键是{employee_id，firstname，firstname}，因为该键包含复合键（{employee_id，firstname}）和非超级键（{surname}）的属性。