SASI授权二级索引

早在2010年，Cassandra 0.7引入了一项新功能：二级索引。 与关系数据库索引不同，它是与列值相关联的索引，该列为表中的所有行提供键。 例如，想象一下“用户”表。 它的主索引为“ user_id”。 现在，假设您要访问用户的电子邮件。 您必须按ID搜索，然后收集您感兴趣的值（例如，电子邮件）。 这对于任何形式的性能都是不切实际的。 见下图：

人类可以通过反操作一步一步地获取我们想要的信息。 给定电子邮件，恢复ID。 在计算方面，我们如何在数据库中实现类似的过程？ 二级索引通过使用电子邮件，获取用户ID（充当查询的反函数）来解决这些情况。 此功能可能功能强大且实用。 对较小的数据集应用二级索引可以使查询非常高效。 在Cassandra中创建二级索引非常容易：

CREATE TABLE users (
   userID uuid,
   firstname text,
   lastname text,
   email text,
   zip int,
   PRIMARY KEY (userID)
 );
 
CREATE INDEX users_email
  ON users (email);

由于我们不仅限于一个索引，因此还可以通过表定义多个二级索引。

不幸的是，这不是灵丹妙药。 由于二级索引是在本地而不是作为常规索引全局管理的，因此它们可能会导致一些问题。 特别是当我们要处理包含稀疏和非常不同信息的大型数据集时。 对于我们的用户电子邮件示例，如果我们有大量用户。 我们可能会有同样数量的电子邮件，而且它们都是独一无二的。 为了在“电子邮件”列中使用辅助索引，Cassandra将不得不“联接”分布在环上的所有信息，因为该索引是本地的。 就性能而言，这可能是有害的。 如果有五个实例，则单个查询需要五个读数，包括五个磁盘操作。 另一方面，对于常规索引，这是不必要的，因为'user_id'是全局处理的。 由于这个原因，一些开发人员批评二级索引的使用。

提出了二级指标的几种策略

• [1]（http://brianoneill.blogspot.com.br/2012/03/cassandra-indexing-good-bad-and-ugly.html），
• [2]（http://blog.websudos.com/2014/08/23/a-series-on-cassandra-part-2-indexes-and-keys/），
• [3]（http://www.slideshare.net/edanuff/indexing-in-cassandra）和
• [4]（https://dzone.com/articles/cassandra-indexing-good-bad）都是很好的例子。

为了增强这一功能，Apple最近开放了自己的二级索引策略：SSTableAttachedSecondaryIndex或简称为[SASI]（https://github.com/xedin/sasi）。 该策略已被证明极其有效和强大。 通过提供强大而灵活的查询，SASI可以正确管理CPU，I / O和内存，以节省计算资源。

让我们看一个简单的示例，以了解SASI的工作原理。 目前有Thrift和CQL3支持。 对于任意的“ foo”键空间：

cqlsh> CREATE KEYSPACE foo WITH replication = {
  'class': 'SimpleStrategy',
  'replication_factor': '1'
  };
cqlsh> USE foo;

然后我们创建“酒吧”表：

CREATE TABLE bar (
id uuid, 
fname text, 
lname text,
age int, 
created_at bigint, 
primary key (id)
);

我们使用“ CREATE CUSTOM INDEX”命令以使用SASI创建二级索引：

CREATE CUSTOM INDEX ON bar (fname) USING 
'org.apache.cassandra.db.index.SSTableAttachedSecondaryIndex'
WITH OPTIONS = {
'analyzer_class':
'org.apache.cassandra.db.index.sasi.analyzer.NonTokenizingAnalyzer',
'case_sensitive': 'false'
};

注意配置'case_sensitive'：'false'。 它可能会让您想起全文搜索工具。 看看类[Analyzer]（https://github.com/xedin/sasi/blob/master/src/java/org/apache/cassandra/db/index/sasi/analyzer/StandardA

nalyzer.java）。 SASI允许您对索引进行一些有趣的自定义。 看下一个例子：

CREATE CUSTOM INDEX ON bar (lname) USING 
'org.apache.cassandra.db.index.SSTableAttachedSecondaryIndex'
WITH OPTIONS = {'mode': 'SUFFIX'};

在这里，我们创建一个带有后缀分析器的索引。 这将按后缀而不是整个术语评估数据。
还有“ SPARSE”模式：

CREATE CUSTOM INDEX ON bar (created_at) USING 
'org.apache.cassandra.db.index.SSTableAttachedSecondaryIndex'
WITH OPTIONS = {'mode': 'SPARSE'};

“ SPARSE”模式使我们能够以时间戳记间隔高效地进行查询。 如果未声明任何模式，则默认为'NORMAL'，仅提供完全区分大小写的匹配项。

SASI分为两个部分：索引编制和搜索。 Cassandra提供了内存和磁盘资源之间的区别，SASI充分利用了这一点，并且只写不可变性和排序的数据即可正常运行。 然后，将已建立的索引从内存表刷新到磁盘。 在SSTable开始写过程的同时，在内存中创建SASI数据结构，并在过程终止之前刷新到磁盘。 这对性能很有好处，因为写入索引仅需要在磁盘上进行顺序写入。

对于每个SSTable，SASI为每个索引列写入一个索引文件。 文件内容由类[OnDiskIndexBuilder]构建在内存中（https://github.com/xedin/sasi/blob/master/src/java/org/apache/cassandra/db/index/sasi/disk/OnDiskIndexBuilder。 Java）。

刷新到磁盘后，该信息将由[OnDiskIndex]读取（https://github.com/xedin/sasi/blob/master/src/java/org/apache/cassandra/db/index/sasi/disk/OnDiskIndex （.java），其中包含优化的搜索数据结构。 创建用于SSTable位置的键值映射，然后在磁盘写入后，将此信息存储在内存中以加快索引访问。

当我们执行搜索时，还有另一组类将索引解析并解释为树形结构，对其进行优化并分析应搜索的内容。 为了执行联盟和数据的交点 ，SASI具有一组智能迭代器，如[RangeUnionIterator]的（https://github.com/xedin/sasi/blob/master/src/java/org/apache/cassandra/db/索引/ sasi / utils / RangeUnionIt

erator.java），可以跨哈希执行联合操作，仅读取每个集合中满足查询需求的最低要求。 还有[RangeIntersectionIterator]（https://github.com/xedin/sasi/blob/master/src/java/org/apache/cassandra/db/index/sasi/utils/RangeIntersec

tionIterator.java）。

有了由优化的数据结构提供支持的索引和搜索工具箱，我们可以看到SASI并不是魔术。 SASI利用Cassandra架构和结构来处理数据并执行智能操作。

SASI有一些限制。 例如，它要求将集群配置为产生LongToken（例如：Murmur3Partitioner）。 ByteOrderedPartitioner和RandomPartitioner不适用于SASI，并且仅支持版本> 3.4的Cassandra。

本文的主要目的是提供有关Cassandra二级索引的快速且一般的想法，并介绍SASI的基础知识。 当然，仍然需要在此工具中完成一些工作。 但是，它已被证明是以前的二级索引实施的强大替代品。 访问[官方Github存储库]（https://github.com/xedin/sasi），以获取有关项目，问题和发行版的详细信息。

翻译自: https://www.javacodegeeks.com/2016/04/sasi-empowering-secondary-indexes-2.html