本文旨在深入探讨cassandra在使用复合主键和二级索引时，`order by`子句所面临的限制。我们将分析为何会出现“order by with 2ndary indexes is not supported”错误，并提供通过调整主键中聚簇列的顺序来解决此问题的具体方案，以帮助开发者更好地设计cassandra数据模型以满足查询排序需求。
理解Cassandra的主键与数据模型
在Cassandra中，主键（PRIMARY KEY）由两部分组成：分区键（Partition Key）和聚簇列（Clustering Columns）。
- 分区键：决定数据存储在哪个节点上，并用于将数据分布到不同的物理分区。分区键可以是单个列，也可以是多个列的组合（用括号()括起来）。
- 聚簇列：在同一个分区内部，数据会根据聚簇列的顺序进行存储和排序。这使得在分区内进行范围查询和排序变得高效。
例如，对于以下表结构：
CREATE TABLE global_product_highlights ( deal_id text, product_id text, highlight_strength double, category_id text, creation_date timestamp, rank int, PRIMARY KEY (deal_id, product_id, highlight_strength) )
在这个例子中：
- deal_id 是分区键。
- product_id 和 highlight_strength 是聚簇列。数据在每个 deal_id 分区内部，首先按 product_id 排序，然后按 highlight_strength 排序。
ORDER BY 子句的限制与二级索引
Cassandra的ORDER BY子句具有特定的限制，这与其底层数据存储机制紧密相关。根据DataStax的官方文档，ORDER BY子句只能应用于复合主键中的第一个聚簇列。这意味着，如果你有一个由多个列组成的聚簇键（例如 (product_id, highlight_strength)），你只能对 product_id 进行排序，而不能直接对 highlight_strength 进行排序。
当尝试在非第一个聚簇列上使用 ORDER BY，并且查询条件涉及二级索引时，Cassandra会抛出错误。例如，考虑以下查询：
// 假设 default_category 是一个已定义的 category_id
err = session.Query("select product_id from global_product_highlights where category_id=? order by highlight_strength DESC", default_category).Scan(&prodId_array)尽管 category_id 上可能已经创建了二级索引，但上述查询仍会报错：“ORDER BY with 2ndary indexes is not supported.” 这是因为：
- ORDER BY highlight_strength DESC 试图对 highlight_strength 进行排序，而 highlight_strength 是第二个聚簇列，不是第一个。
- WHERE category_id=? 条件使用了二级索引。当查询涉及二级索引时，Cassandra需要进行额外的协调和数据扫描。在这种复杂查询模式下，Cassandra无法保证在不进行全表扫描或大量数据移动的情况下，有效地按照非第一个聚簇列进行排序。Cassandra的ORDER BY操作是基于数据在磁盘上的物理存储顺序实现的，而二级索引的引入并不能改变分区内聚簇列的固定排序规则。
解决方案：调整聚簇列的顺序
要解决此问题，最直接且推荐的方法是根据你的主要查询排序需求来重新设计主键中聚簇列的顺序。如果你需要经常按照 highlight_strength 进行排序，那么就应该将 highlight_strength 设置为第一个聚簇列。
修改后的表结构如下：
CREATE TABLE global_product_highlights ( deal_id text, product_id text, highlight_strength double, category_id text, creation_date timestamp, rank int, PRIMARY KEY (deal_id, highlight_strength, product_id) // 调整聚簇列顺序 )
在这个新的表结构中：
- deal_id 仍然是分区键。
- highlight_strength 现在是第一个聚簇列。
- product_id 变为第二个聚簇列。
这样修改后，原始的查询：
err = session.Query("select product_id from global_product_highlights where category_id=? order by highlight_strength DESC", default_category).Scan(&prodId_array)将能够正常执行，因为 highlight_strength 现在是第一个聚簇列，满足了 ORDER BY 的条件。
注意事项与最佳实践
- 数据模型驱动查询：Cassandra的数据模型设计是“查询驱动”的。这意味着你需要根据应用程序最常执行的查询模式来设计表结构和主键。如果你的应用程序有多种不同的排序需求，可能需要创建多个“物化视图”或“聚合表”来满足这些需求，而不是试图用一个表满足所有复杂的查询。
- 分区键的选择：分区键的选择对于数据的均匀分布和查询性能至关重要。一个好的分区键可以避免热点问题。
- 聚簇列的顺序：聚簇列的顺序直接决定了数据在分区内的物理存储顺序和默认的查询排序行为。仔细考虑哪些列最常用于排序或范围查询。
- 二级索引的局限性：虽然二级索引在某些场景下很有用，但它们不应被视为关系型数据库中索引的直接替代品。在Cassandra中，二级索引通常适用于选择性高（即返回少量行）的查询，且不适用于涉及排序或聚合的复杂查询。
- 避免ALLOW FILTERING：在查询中使用 ALLOW FILTERING 可能会导致全表扫描，严重影响性能。如果查询需要 ALLOW FILTERING，这通常是一个信号，表明你的数据模型可能需要优化。
总结
Cassandra的ORDER BY子句只能应用于复合主键中的第一个聚簇列。当查询涉及二级索引且尝试对非第一个聚簇列进行排序时，会遇到错误。解决此问题的核心在于根据你的主要排序需求，合理地设计主键中聚簇列的顺序。通过这种方式，你可以确保Cassandra能够高效地执行排序操作，同时避免不必要的性能开销和错误。理解并遵循Cassandra的数据建模原则是构建高性能、可扩展应用程序的关键。
