Cassandra中分区键，复合键和集群键之间的区别？

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，表示用于从表中检索数据的一个或多个列。

主键可能很简单，甚至可以内联声明：

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

这意味着它是由单列组成的。

但主键也可以是 COMPOSITE（又名 COMPOUND），由更多列生成。

 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（在本例中 key_part_one 是分区键），键的第二部分是 CLUSTERING KEY（在本例中为 key_part_two）

请注意，分区键和集群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...

分区键负责跨节点分发数据。

Clustering Key 负责分区内的数据排序。

主键相当于单字段键表中的分区键（即简单）。

复合/复合键只是任何多列键

更多使用信息：DATASTAX DOCUMENTATION

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”（即您可以仅通过分区键查询，即使您定义了集群键）

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（分区和集群）进行查询...

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

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

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

您只能通过至少传递 col1 和 col2 来执行查询，这是定义分区键的 2 列。进行查询的“一般”规则是您必须至少传递所有分区键列，然后您可以选择按照设置的顺序添加每个集群键。

所以，有效的查询是（不包括二级索引）

col1 和 col2

col1 和 col2 和 col10

col1 和 col2 和 col10 和 col 4

无效的：

col1 和 col2 和 col4

不包含 col1 和 col2 的任何内容

---

添加一个摘要答案作为接受的答案很长。术语“行”和“列”在 CQL 的上下文中使用，而不是 Cassandra 的实际实现方式。

主键唯一标识一行。

复合键是由多列组成的键。

分区键是查找一组行（即分区）的主要查找。

集群键是主键中不是分区键的部分（并且定义了分区内的顺序）。

例子：

PRIMARY KEY (a)：分区键是 a。

PRIMARY KEY (a, b)：分区键是a，集群键是b。

PRIMARY KEY ((a, b))：复合分区键是(a, b)。

PRIMARY KEY (a, b, c)：分区键为a，复合聚类键为(b, c)。

PRIMARY KEY ((a, b), c)：复合分区键为(a, b)，聚类键为c。

PRIMARY KEY ((a, b), c, d)：复合分区键为(a, b)，复合聚类键为(c, d)。

---

在 Cassandra 中，主键、分区键、复合键、集群键之间的区别总是让人有些困惑。所以，我将在下面解释并相互关联。我们使用 CQL（Cassandra 查询语言）来访问 Cassandra 数据库。注意： - 答案是根据 Cassandra 的更新版本。

主键： - 在 Cassandra 中有 2 种不同的方式来使用主键。

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。键的第一列称为分区键，具有共享相同分区键的所有行（实际上甚至跨表）都存储在同一物理节点上的属性。此外，对给定表共享相同分区键的行的插入/更新/删除是原子地和隔离地执行的。请注意，可以使用复合分区键，即由多个列组成的分区键，使用一组额外的括号来定义哪些列形成分区键。

分区和集群 PRIMARY KEY 定义由两部分组成：分区键和集群列。第一部分映射到存储引擎行键，而第二部分用于对一行中的列进行分组。

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[和可选的集群键（或列）]组成分区键：分区键的哈希值用于确定集群中的特定节点来存储数据

Clustering Key：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，集群键在主键中是可选的。如果没有提到它们，它就是一个简单的主键。如果提到集群键，它是一个复合主键。

复合分区键：仅使用一列作为分区键，可能会导致宽行问题（取决于用例/数据建模）。因此，有时将分区键指定为多个列的组合。

关于在查询中混淆哪个是强制性的，哪个可以跳过等等，试图将 Cassandra 想象成一个巨大的 HashMap 会有所帮助。因此，在 HashMap 中，您无法在没有 Key 的情况下检索值。

在这里，分区键扮演该键的角色。因此，每个查询都需要指定它们。没有它，Cassandra 将不知道要搜索哪个节点。

在 Cassandra 找到负责该特定分区键的特定节点（及其副本）后，集群键（列，可选）有助于进一步缩小查询搜索范围。

---

简而言之：

分区键不过是对一行的标识，该标识大多数时候是单列（称为主键），有时是多列的组合（称为复合分区键）。

集群键不过是索引和排序。集群键取决于几件事：

除了主键列之外，您在 where 子句中使用了哪些列。如果您有非常大的记录，那么我可以划分日期以便于管理。例如，我有一个县的 100 万人口记录的数据。所以，为了便于管理，我根据状态和密码等对数据进行聚类。

---

值得注意的是，您可能会比关系世界中的类似概念（复合键）更多地使用这些。

示例 - 假设您必须找到最近加入用户组 X 的最后 N 个用户。如果在这种情况下读取占主导地位，您将如何有效地执行此操作？像这样（来自官方 Cassandra guide）：

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，分区键本身是复合键，而集群键是连接日期。聚类键是连接日期的原因是结果已经排序（并存储，这使得查找速度更快）。但是为什么我们使用复合键来分区键呢？因为我们总是希望读取尽可能少的分区。把 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尽可能少地读取分区（首先从最新的分区开始，然后移动到较旧的分区等等，而不是在它们之间跳转）。

事实上，在极端情况下，您还需要使用 join_date 的散列而不是单独使用 join_date - 这样，如果您查询过去 3 天，通常它们共享相同的散列，因此可以从同一个分区获得！

---

免责声明：这是特定于 DynamoDB 的答案，但是这些概念也适用于 Cassandra，因为两者都是 NoSQL 数据库。

创建表时，除了表名外，还必须指定表的主键。主键唯一标识表中的每个项目，因此没有两个项目可以具有相同的键。

DynamoDB 支持两种不同类型的主键：

分区键 – 一个简单的主键，由一个称为分区键的属性组成。

DynamoDB 使用分区键的值作为内部散列函数的输入。哈希函数的输出决定了存储项目的分区（DynamoDB 内部的物理存储）。

在只有一个分区键的表中，没有两个项目可以具有相同的分区键值。

分区键和排序键——称为复合主键，这种类型的键由两个属性组成。第一个属性是分区键，第二个属性是排序键。

DynamoDB 使用分区键值作为内部散列函数的输入。哈希函数的输出决定了存储项目的分区（DynamoDB 内部的物理存储）。具有相同分区键值的所有项目存储在一起，按排序键值排序。

在具有分区键和排序键的表中，两个项目可能具有相同的分区键值。但是，这两个项目必须具有不同的排序键值。

复合主键在查询数据时为您提供了额外的灵活性。例如，如果您只提供 Artist 的值，DynamoDB 会检索该艺术家的所有歌曲。要仅检索特定艺术家的歌曲子集，您可以为 Artist 提供一个值以及 SongTitle 的一系列值。

注意：项目的分区键也称为其哈希属性。术语哈希属性源自 DynamoDB 中使用内部哈希函数，该函数根据分区键值将数据项均匀分布在分区之间。

项目的排序键也称为其范围属性。术语范围属性源自 DynamoDB 存储具有相同分区键的项目的方式，这些项目物理上靠得很近，按排序键值排序。

参考 - https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/HowItWorks.CoreComponents.html#HowItWorks.CoreComponents.PrimaryKey

---