复杂查询 so easy ，GaussDB(for Cassandra) 推 Lucene 引擎全新解决方案

2022 年 7 月 08 日
本文字数：2296 字
阅读完需：约 8 分钟

本文分享自华为云社区《来了！GaussDB(for Cassandra)新特性亮相》，作者：GaussDB 数据库。

今天，华为云 GaussDB(for Cassandra)携 Lucene 引擎全新解决方案来啦！

当前，互联网、大数据飞速发展，数据量呈爆发式增长，在高并发、高可用、高扩展的业务需求推动下，NoSQL 数据库成为了越来越多业务场景的刚需。但在查询方面，传统的 NoSQL 却有一定的局限性，严格来说，像开源 MongoDB、Cassandra、Hbase 等都不具备海量数据的多维查询、文本检索、统计分析等能力。多数企业仍然在寻求一套更完美的 NoSQL 解决方案。

华为云原生多模数据库 GaussDB NoSQL 拥有强大的生态体系，支持键值、宽表、文档、时序四种引擎接口。其中，宽表引擎接口 GaussDB(for Cassandra)现已发布 Lucene 二级索引功能，既具备 NoSQL 的优势，又能支持多种复杂查询场景，全面提升用户在海量数据场景下的查询体验，凭实力宠粉！相信大家一定有很多疑问，GaussDB(for Cassandra)是什么？二级索引如何使用？Lucene 二级索引又有哪些区别？别着急，接下来让我们一一解读。

什么是 GaussDB(for Cassandra)？

GaussDB(for Cassandra)是一款华为自研、采用计算存储分离架构的分布式云数据库，在高性能、高可用、高可靠、高安全、可弹性扩缩容的基础上，提供了一键部署、备份恢复、监控告警等服务能力；并高度兼容开源 Cassandra 接口，提供高读写性能。当前已经广泛应用于 IoT、气象、互联网、游戏等诸多领域。

什么是二级索引？

我们先来了解下索引的概念。索引是为了加快数据检索速度而创建的一种存储结构，是一种以空间换时间的设计思想。作用可以理解为书的目录，通过目录可快速定位到所需要的内容。

在 Cassandra 中，Primary Key 就是索引（也被称为一级索引），在查询的时候，根据 Primary Key 可以直接检索到对应的记录。而二级索引又称辅助索引，是为了帮助定位到一级索引，然后再根据一级索引找到对应记录。我们平时使用 CREATE INDEX 语句建立的就是二级索引。

当前 Cassandra 二级索引的痛点有哪些？

原生 Cassandra 中二级索引的实现其实是创建了一张隐式的表，该表的 Primary Key 是创建索引的列，值为对应的 Primary Key，实现相对简单，因此不可避免地带来了一些约束条件：

1.第一主键只能用“=”查询；

2.第二主键可以使用“=、>、<、>=、<=”；

3.索引列只支持“=”查询；

4.删除、更新太过频繁的列不适合建立索引；

5.High-cardinality 列不适合做索引；

基于以上约束，Cassandra 二级索引能提供的查询功能非常有限。

Why Lucene？

Lucene 是当下最火的开源全文检索引擎工具，具有以下特点：

1.稳定、索引性能高；

2.是高效、准确、高性能的搜索算法；

3.具备丰富的查询类型：支持短语查询、通配符查询、近似查询、范围查询等；

4.有强大的开源社区支持，可维护性好；

因此，用集成 Lucene 引擎来补充 Cassandra 查询能力的弱点是最佳选择，毕竟谁又会拒绝一款性能稳定、持续成长、又更新迭代的搜索引擎呢？

Lucene 引擎强大的倒排索引和列式存储能力，赋予了 GaussDB(for Cassandra)高效的多维查询、文本检索、统计分析等能力，在使用体验上和原生二级索引相似，但同时拥有了更为丰富的语法支持。

使用 Lucene 二级索引后，我的查询发生了哪些变化？

更加灵活的查询、过滤方式：

所有查询均可不带 PK 或者带部分 PK，并且索引列支持 “>、<、in”等操作符，用户不需要再局限于只使用“=”。

强大的文本检索能力：

文本检索能力正是 Lucene 最擅长的，使用起来十分方便，只需要通过关键词 like 即可实现。

你可以这样：

SELECT * FROM example WHERE field LIKE 'test%';   // 前缀查询

复制代码

也可以这样：

SELECT * FROM example WHERE field LIKE 'start*end';   // 正则匹配

复制代码

还可以这样：

SELECT * FROM example WHERE field LIKE '%+lucene +index%';   // 全文搜索功能，性能高效，稳定

复制代码

支持超万亿规格的大数据量统计：

select count(*) from example where pk > 1 and expr(lucene_index, 'count');

复制代码

多种删除方式：

支持 single 单行删除、partition 分区删除、range 范围删除，全方位覆盖各种删除场景。

DELETE FROM example WHERE pk1='a' AND field=1;   // single单行删除DELETE FROM example WHERE pk1='a' AND pk2=5000;   // partition分区删除DELETE FROM example WHERE pk1='a' AND pk2=3000 AND ck1=2 AND ck2>'a' AND ck2<'c';   // range范围删除

复制代码

支持扩展 json 查询接口，轻松应对各种复杂查询场景：

扩展的 json 查询接口提供了丰富的查询语法，用法更多样化。以下是关键字列表：

举个栗子：

SELECT * FROM example WHERE EXPR(index_field, '{"filter": {"bool": {"should": [{"bool": {"should": [{"bool": {"must": [{"bool": {"should": [{"range": {"ck1": {"lt": 2}, "ck1": {"gte": 4}}}]}}, {"bool": {"should": [{"range": {"field1": {"lt": 2}, "field1": {"gt": 3}}}]}}]}}, {"bool": {"should": [{"term": {"pk1": "a", "pk1": "b", "pk1": "c"}}]}}]}}, {"bool": {"must": [{"range": {"field2": {"gte":5, "lte": 15}, "pk2": {"gt": 2000}}}]}}]}}}')

复制代码

通过条件组合加嵌套，您可以 DIY 符合自身业务的 sql 语句，并且最高支持 200 层 json 嵌套，再复杂的场景也能处理！

华为云 GaussDB(for Cassandra)搭载 Lucene 引擎，通过 Lucene 二级索引将搜索能力下沉至底层，从根本上解放了应用层查询，兼具多维查询、文本检索、统计分析等多种能力，可以完美地弥补 NoSQL 弱查询功能的短板，让企业从容应对海量数据的复杂查询场景。还等什么，速来体验吧！