首先:我知道在 Cassandra 中进行全面扫描不是一个好主意，但是，目前，这就是我所需要的。

当我开始寻找做这样的事情时，我读到有人说在 Cassandra 中做全面扫描是不可能的，他不是被要求做这种事情的。

不满意，继续找，直到找到这篇文章: http://www.myhowto.org/bigdata/2013/11/04/scanning-the-entire-cassandra-column-family-with-cql/

看起来很合理，我试了一下。 由于我只会进行一次完整扫描，而且时间和性能都不是问题，因此我编写了查询并将其放入一个简单的作业中以查找我想要的所有记录。从 20 亿行记录中，大约 1000 行是我的预期输出，但是，我只有 100 条记录。

我的工作:

public void run() {
    Cluster cluster = getConnection();
    Session session = cluster.connect("db");

    LOGGER.info("Starting ...");

    boolean run = true;
    int print = 0;

    while ( run ) {
        if (maxTokenReached(actualToken)) {
            LOGGER.info("Max Token Reached!");
            break;
        }
        ResultSet resultSet = session.execute(queryBuilder(actualToken));

        Iterator<Row> rows = resultSet.iterator();
        if ( !rows.hasNext()){
            break;
        }

        List<String> rowIds = new ArrayList<String>();

        while (rows.hasNext()) {
            Row row = rows.next();

            Long leadTime = row.getLong("my_column");
            if (myCondition(myCollumn)) {
                String rowId = row.getString("key");
                rowIds.add(rowId);
            }

            if (!rows.hasNext()) {
                Long token = row.getLong("token(rowid)");
                if (!rowIds.isEmpty()) {
                    LOGGER.info(String.format("Keys found! RowId's: %s ", rowIds));
                }
                actualToken = nextToken(token);
            }

        }

    }
    LOGGER.info("Done!");
    cluster.shutdown();
}

public boolean maxTokenReached(Long actualToken){
    return actualToken >= maxToken;
}

public String queryBuilder(Long nextRange) {
    return String.format("select token(key), key, my_column from mytable where token(key) >= %s limit 10000;", nextRange.toString());
}

public Long nextToken(Long token){
    return token + 1;
}

基本上，我所做的是搜索允许的最小 token 并逐步搜索到最后一个。

我不知道，但好像作业没有完全完成全面扫描，或者我的查询只访问了一个节点或其他东西。我不知道我是不是做错了什么，或者真的不可能进行全面扫描。

今天我有将近 2 TB 的数据，在一个由七个节点组成的集群中只有一个表。

有人遇到过这种情况或者有什么建议吗？

最佳答案

在 Cassandra 中进行全表扫描绝对是可能的——事实上，这对于像 Spark 这样的东西来说是很常见的。但是，它通常不是“快速”的，因此除非您知道为什么要这样做，否则不鼓励这样做。对于您的实际问题:

2) 您正在使用 session.execute()，它将使用默认一致性 ONE，这可能不会返回集群中的所有结果，特别是如果您也在 ONE 上编写，我怀疑您或许。将其提高到 ALL，并使用准备好的语句来加速 CQL 解析:

 public void run() {
     Cluster cluster = getConnection();
     Session session = cluster.connect("db");
     LOGGER.info("Starting ...");
     actualToken = -9223372036854775808;
     boolean run = true;
     int print = 0;

     while ( run ) {
         if (maxTokenReached(actualToken)) {
             LOGGER.info("Max Token Reached!");
             break;
         }
         SimpleStatement stmt = new SimpleStatement(queryBuilder(actualToken));
         stmt.setConsistencyLevel(ConsistencyLevel.ALL);
         ResultSet resultSet = session.execute(stmt);

         Iterator<Row> rows = resultSet.iterator();
         if ( !rows.hasNext()){
             break;
         }

         List<String> rowIds = new ArrayList<String>();

         while (rows.hasNext()) {
             Row row = rows.next();

             Long leadTime = row.getLong("my_column");
             if (myCondition(myCollumn)) {
                 String rowId = row.getString("key");
                 rowIds.add(rowId);
             }

             if (!rows.hasNext()) {
                 Long token = row.getLong("token(rowid)");
                 if (!rowIds.isEmpty()) {
                     LOGGER.info(String.format("Keys found! RowId's: %s ", rowIds));
                 }
             actualToken = nextToken(token);
             }
         }
      }
     LOGGER.info("Done!");
     cluster.shutdown(); 
  }

public boolean maxTokenReached(Long actualToken){
     return actualToken >= maxToken; 
 }

 public String queryBuilder(Long nextRange) {
     return String.format("select token(key), key, my_column from mytable where token(key) >= %s limit 10000;", nextRange.toString()); 
 }

 public Long nextToken(Long token) {
     return token + 1; 
 }

关于java - cassandra 中的全表扫描问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/29836965/