cassandraのsomeKeySpace.someTableからcount（distinct someColumn）を選択するにはどうすればよいですか？

Question

私は、私のcassandraデータベースから独自のクライアントIDを取得する必要があります。私はCQLの次のコードでこれを達成することはできません知っている：

SELECT COUNT(DISTINCT clientid) 
FROM somekeyspace.sometable 
WHERE transdate > '2017-05-06' 
     AND transdate < '2017-05-07' 
     AND locationid = 1; 

この質問はstackoverflowの上で他のユーザーによって投稿された、まだ私は良い答えを得るように見えることはできません。これをUDFで解決することはできますか？もしそうなら、そのように見えるでしょうか？

私がUDFで持っている問題は、値の列全体をパラメータとして渡す方法がわかりません。

Answer 1

「スパークを使用する」とよいキャッシュである可能性が高いです。

はあなたの範囲のYYYY-MM-DD年代のすべてを反復処理し、count(*)それらを一緒に追加しのClientID (transdate, clientid)を格納TRANSDATEをキー、テーブルを作成するような何かを、テーブルを反転さでした。もしあなたが1日5000人以上のクライアントを持っていれば、それはおそらく縮尺が変わるでしょう（集計は非常に高価です）。 yyyy-mm-ddThh:00:00のようにより多くのパーティションバケットを追加して時間または15分（最も近い15分に丸める）することができます。

上記のようにすることはできますが、過去の履歴の合計を事前に計算して保存するジョブがあるため、「今日の」カウントだけが高価です。あなたはそれも超高速すぎる必要があり、一日の終わりにフラッシュすることができます場合は、 "今日"のカウントをredis（いくつかの％エラーで大丈夫ならハイパーログログ）に降ろすことができます。