Cassandra (Datastax) CQL 忽略 TEXT 列的大小写

Posted 2023-03-22

【中文标题】Cassandra (Datastax) CQL 忽略 TEXT 列的大小写

【英文标题】：Cassandra (Datastax ) CQL ignore case of TEXT column

【发布时间】：2020-08-27 07:46:01

【问题描述】：

我使用以下 CQL 创建了表：我想运行查询以按演员姓名查找所有视频（不区分大小写）。

CREATE TABLE video_by_actor(
    actor text, added_date timestamp, video_id timeuuid, 
    character_name text, description text,
    encoding frozen<video_encoding>,
    tags set<text>, title text, user_id uuid,
primary key ((actor), added_date)) with clustering order by (added_date desc);


select * from video_by_actor where actor='Tom Hanks'

我想从表中选择所有行，而不考虑演员的姓名大小写，例如。 “汤姆汉克斯”、“汤姆汉克斯”、“汤姆汉克斯”等

有可能吗？

【问题讨论】：

来自 Cassandra 开发者论坛：这对于常规 CQL 查询是不可能的，但您有几个选择： 1. 在您的表中创建一个特殊列来存储您想要搜索的规范化字符串。 2. 使用 SASI 索引。 3. 使用 DSE 搜索。

【参考方案1】：

我想搜索所有案例

首先，如果你想“搜索”，你需要一个不同的工具，比如 ElasticSearch。 Cassandra 用于基于键的查询，这与搜索有很大不同。

不，Cassandra 确实无法实现您想要做的事情，因为它关心大小写。我创建了上面描述的表定义，并插入了四行，每行都有一个与 Tom Hanks 的名字不同的案例应用程序。然后我用token函数查询了结果：

aploetz@cqlsh:***> SELECT actor,token(actor),title FROM video_by_actor ;

 actor     | system.token(actor)  | title
-----------+----------------------+---------------------
 Tom Hanks | -4258050846863339499 |        Forrest Gump
 Tom hanks | -3872727890651172910 | Saving Private Ryan
 tom Hanks | -3300209463718095087 | Joe vs. the Volcano
 tom hanks |  1022609553103151654 |           Apollo 13

(4 rows)

请注意“汤姆汉克斯”的每个不同案例如何生成不同的令牌。由于此表在actor 上进行分区，这意味着这些行可能会存储在不同的节点上。

同样，您可能希望使用实际的搜索引擎来处理类似的事情。他们将拥有分析器之类的工具，可以启用“模糊匹配”等功能。