Nano Hash - криптовалюты, майнинг, программирование

Как подсчитать количество ключей строк для определенного семейства столбцов в Cassandra (подробнее)

Я пытаюсь загрузить данные из SQL в No-SQL, т.е. Cassandra. но почему-то несколько строк не совпадают. Может кто-нибудь сказать мне, как подсчитать количество ключей строк для определенного семейства столбцов в Cassandra.

Я пробовал get_count и get_multicount, но эти методы требуют передачи ключей. В моем случае я не знаю ключей, вместо этого мне нужно количество строк row_keys. list column_family_name дает мне список, но ограниченный только 100 строками. есть ли способ, я могу обойти ограничение в 100.

python database cassandra count pycassa
21.11.2011

  • Насколько я знаю, нет способа получить количество строк для семейства столбцов. Вместо этого вы должны выполнить запрос диапазона по всему семейству столбцов. 22.11.2011
  • @jterrace Спасибо, не могли бы вы рассказать подробнее о выполнении запроса диапазона? (желательно с примером) 22.11.2011
  • Все, что я хочу, это как я могу использовать соответствующий SQL-запрос в cassandra. выберите count (row_key) из table_name 22.11.2011

Ответы:


1

Насколько я знаю, нет способа получить количество строк для семейства столбцов. Вместо этого вы должны выполнить запрос диапазона по всему семейству столбцов.

Если cf — это ваше семейство столбцов, должно работать что-то вроде этого:

num_rows = len(list(cf.get_range()))

Однако документация для get_range указывает что это может вызвать проблемы, если у вас слишком много строк. Возможно, вам придется делать это частями, используя start и row_count.

21.11.2011
  • Спасибо, но очень долго выполняется. Все еще выясняю, насколько эффективно cassandra (NOSQL) извлекать данные. Я согласен, что быстрее вставлять миллионы записей сразу, но не извлекать! :( 22.11.2011
  • вы используете randompartitioner? 22.11.2011
  • вы должны использовать разделитель даже с одним узлом 22.11.2011
  • Если вы установите column_count=0 и filter_empty=False в get_range(), это вернет вам только ключи. Кроме того, get_range возвращает генератор, поэтому вы можете сделать что-то вроде _ в get_range(): count += 1, чтобы вы не выводили весь результат в список сразу. Нет необходимости использовать «start» и «row_count», если вы это сделаете; pycassa автоматически разделяет запросы. 22.11.2011
  • @ТайлерХоббс. Спасибо. Граф был полезен, но я обнаружил, что не хватает нескольких ключей. Чтобы вернуть ключи, я установил column_count = 0, но не смог найти filter_empty, чтобы установить его False. Я понимаю это TypeError: get_range() got an unexpected keyword argument 'filter_empty' Любые подсказки ..? 23.11.2011
  • @Nish filter_empty был добавлен только в pycassa 1.3. Может у вас более старая версия? 23.11.2011
  • В этом случае вам следует либо обновиться до 1.3, как предлагает jterrace, либо установить для column_count значение 1 вместо 0. 24.11.2011

    • 2

    Вы можете подсчитать строки Cassandra, не читая все строки.

    См. реализация в Spark. для cassandraCount(), который делает это довольно эффективно.

    17.03.2016
    Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..