卡桑德拉反規範化數據模型

Question

我讀到，在nosql（例如cassandra）數據經常存儲非規範化。例如見SO回答或這website。

一個例子是，如果你有員工和部門的一列的家人和你想執行一個查詢：select * from Emps where Birthdate = '25/04/1975' 然後，你必須做一個列族birthday_Emps並存儲每個員工爲一列的ID。因此，您可以查詢生日_Emps家庭關鍵字'25/04/1975'，並立即獲得該日期出生的所有員工的ID。您甚至可以將員工詳細資料標準化爲birthday_Emps，以便您立即擁有員工姓名。

這真的是這樣做嗎？

1. 每當員工被刪除或插入時，您將不得不從employee_Emps中刪除員工。在另一個例子中，有人甚至說，有時候你有一種情況，某個表中的某個刪除需要在其他表中刪除100個。這真的很常見嗎？

2. 在應用程序代碼中進行連接是否很常見？你有軟件，允許你創建預先編寫的應用程序來連接來自不同查詢的數據嗎？

3. 是否有處理這些數據模型問題的最佳實踐，模式等？

Answer 1

大多數情況下，「採用基於查詢的數據建模方法」確實是最好的方法。

1. 這仍然是一個好主意，因爲查詢時間的速度使它值得。是的，有更多的清理工作要做。我不必從其他專欄中執行100次刪除操作，但偶爾會有一些複雜的清理工作要做。但是，無論如何，你不應該在Cassandra中做大量的刪除操作（反模式）。

2. 否。客戶端JOIN與分佈式JOIN一樣糟糕。整個想法是創建一個表來爲每個特定的查詢返回數據...非規範化和/或複製...因此否定完全需要進行JOIN。這是一個例外，如果您正在運行OLAP查詢進行分析，則可以使用Apache Spark之類的工具執行臨時分佈式JOIN。但絕對不是你想要在生產系統上做的事情。

3. 幾篇文章，我可以推薦：

   • Getting Started with Cassandra Time Series Data Modeling - 撰稿DataStax的首席宣傳官帕特里克McFadin，它涵蓋了在幾個不同的方法比較常見的卡桑德拉用例之一。
   • Escaping From Disco-Era Data Modeling - 這篇文章討論了Cassandra可以面對的初學者的一些障礙，以及克服它們的一般方法。 聲明：我是作者。
   • Cassandra Data Modeling Best Practices, Part 1 - Jay Patel的（eBay）關於Cassandra建模實踐的經典文章不能出錯。有些過時的例子是基於CQL之前的世界，但這些技術仍然引起共鳴。