将数据组织在每日分区中并不是很好的设计——在这种情况下，只有rf节点在写入数据的一天中，然后在生成报告的时候才是活动的。
因为您将只从spark访问该数据，所以可以使用以下方法-使用一些bucket字段作为分区键，例如，使用统一生成的随机数，将timestamp作为集群列，或者使用其他方法 uuid 记录唯一性保证栏，如下所示：

create table test.sdtest (
  b int,
  ts timestamp,
  uid uuid,
  v1 int,
  primary key(b, ts, uid));

其中 b 应该选择不太大也不太小的分区，这样才能有效地读取它们。
然后我们可以像这样运行spark代码：

import org.apache.spark.sql.cassandra._
val data = spark.read.cassandraFormat("sdtest", "test").load()
val filtered = data.filter("ts >= cast('2019-03-10T00:00:00+0000' as timestamp) AND ts < cast('2019-03-11T00:00:00+0000' as timestamp)")

这里的诀窍是，我们使用随机分区键跨节点分发数据，因此所有节点都将在写入数据和生成报告期间处理负载。
如果我们研究spark代码的物理计划（格式化为可读性）：

== Physical Plan ==

* Scan org.apache.spark.sql.cassandra.CassandraSourceRelation [b#23,ts#24,v1#25]

PushedFilters: [*GreaterThanOrEqual(ts,2019-03-10 00:00:00.0),
  *LessThan(ts,2019-03-11 00:00:00.0)], ReadSchema: struct<b:int,ts:timestamp,v1:int>

我们可以看到，这两个条件都将被推送到cql级别的dse—这意味着spark不会将所有数据加载到内存中并对其进行过滤，而是所有过滤都将在cassandra中进行，并且只返回必要的数据。而且因为我们在多个节点之间传播请求，读取可能比读取一个巨大的分区更快（需要测试）。这种设计的另一个好处是，使用spark可以很容易地删除旧数据，如下所示：

val toDel = sc.cassandraTable("test", "sdtest").where("ts < '2019-08-10T00:00:00+0000'")
toDel.deleteFromCassandra("test", "sdtest", keyColumns = SomeColumns("b", "ts"))

在这种情况下，spark将执行非常有效的范围/行删除，从而生成较少的逻辑删除。
p、 建议使用dse版本的Spark连接器，因为它可能有更多的优化。
p、 理论上，我们可以合并 ts 以及 uid 合二为一 timeuuid 列，但我不确定它是否适用于Dataframe。