Cassandra中的歸一化

我知道Cassandra中的歸一化被認爲是反模式，但如果它暗示的存儲要求太高，可以做些什麼？Cassandra中的歸一化

例如，我們目前已被分發給多個收件人「提要」的一大桌，所以目前的架構是類似的東西：

CREATE TABLE feed_items_duplicated(recipient_id int, feed_id timeuuid, 
    <data columns d1 to dn> 
    PRIMARY KEY ((recipient_id), feed_id);

此架構中一切都是好的，飼料是輕鬆獲取使用單一範圍查詢在飼料ID一個收件人：

SELECT * from feed_items_duplicated where recipient_id = 123 
    and feed_id > minTimeuuid('2013-09-30 22:19:06+0100');

的問題是，一個單一的飼料可以分佈到數百個收件人的每行可與列D1到DN相當龐大每一個重複其中。

爲了遏制的存儲需求，我們認爲另一種選擇

CREATE TABLE feed_items(recipient_id int, feed_id timeuuid, 
    PRIMARY KEY ((recipient_id), feed_id); 
CREATE TABLE feed_data(feed_id timeuuid, <data columns d1 to dn> 
    PRIMARY KEY (feed_id);

這仍然需要運行以上後，一個額外的查詢運行查詢：

SELECT * from feed_data where feed_id in (f1, f2, f3...);

所以問題1：執行上述查詢是一個好主意，因爲它很可能會碰到集羣中的所有節點？與爲每個f1到fn並行執行專用查詢相比，它有多糟糕？

另一種方法是創建一個較小的有限範圍內的任意聚集鍵（可以說[1-20]）爲feed_data表，這樣我們就只擁有多達20個查詢以下類型的執行：

SELECT * from feed_data where group_id = 1 and feed_id in (f1, f3, ...); 
SELECT * from feed_data where group_id = 2 and feed_id in (f2, ...);

該方法將每個查詢限制爲單個執行節點，但是使用如此低的基數分區密鑰可以確保數據在節點間平均分配？

來源

2016-03-23 Vic

問題1：如果接收者可以接受時間降級，則值得嘗試。在DataStax和other不錯的guys的CQL查詢中有關於「in」子句的推薦和警告的數量。我寧願考慮，而不是「進入」查詢。

問題2：如果您的數據列[d1 ... dn]很小，並且從一個到另一個之間變化不大，那麼我認爲它不應該成爲問題。我認爲數據項分組是一個好主意，如果它帶給你數據重用能力。所以你可以組織你的feed數據，比如：feed1 = bundle1 + bundle2，feed2 = bundle1 + bundle3等，其中bundle1 = data-item1 + data-item2，bundle2 = data-item3等。

from myself：If you not肯定有數據結構優化策略，那麼可能值得嘗試爲您的Feed數據引入某種驅逐策略？像TTL或其他smth一樣。因此，您可以將「實時」表保持原樣並將過時的數據移至更節省空間的存儲空間，甚至將其刪除。

來源

2016-03-24 08:47:58 nukie

Cassandra中的歸一化

回答

相關問題