在 Cassandra 中实现数据版本控制的方法

Question

您能否分享一下您将如何在 Cassandra 中实现数据版本控制的想法。

假设我需要对一个简单地址簿中的记录进行版本化。 （通讯簿记录存储为 ColumnFamily 中的行）。 我希望历史：

• 不常使用
• 将一次性使用，以“时间机器”的方式呈现它
• 单个记录的版本不会超过几百个。
• 历史不会过期。

我正在考虑以下方法：

• 将通讯录转换为超级列族，并将多个版本的通讯录记录存储在一个行键控（按时间戳）中作为超级列。

• 创建新的超级列族以存储旧记录或对记录的更改。 这样的结构如下所示：

  { '通讯录行键': { '时间戳1'：{ '名字': '新名字', '修改者'：'用户ID'， },

  'time stamp2': {
          'first name': 'new name',
          'modified by': 'user id',
      },
  },
  

  '另一个通讯录行键': { '时间戳'：{ ....

• 将版本存储为附加在新 ColumnFamily 中的序列化 (JSON) 对象。将版本集表示为行，将版本表示为列。 （仿照Simple Document Versioning with CouchDB）

Answer 1

如果您可以假设地址簿中的条目通常少于 10,000 个，那么在超级列族中每个地址簿时间线使用一行将是一种不错的方法。

一行看起来像：

{'address_book_18f3a8':
  {1290635938721704: {'entry1': 'entry1_stuff', 'entry2': 'entry2_stuff'}},
  {1290636018401680: {'entry1': 'entry1_stuff_v2', ...},
  ...
}

其中行键标识地址簿，每个超级列名称是一个时间戳，子列代表该版本的地址簿内容。

这将允许您仅使用一个查询读取最新版本的地址簿，还可以使用单个插入编写新版本。

如果地址簿的元素少于 10,000 个，我建议使用此方法的原因是，即使读取单个子列，超级列也必须完全反序列化。总的来说，在这种情况下并没有那么糟糕，但需要牢记这一点。

另一种方法是每个版本的地址簿使用单行，并使用单独的 CF，每个地址簿有一个时间线行，例如：

{'address_book_18f3a8': {1290635938721704: some_uuid1, 1290636018401680: some_uuid2...}}

这里，some_uuid1 和 some_uuid2 对应于这些版本的地址簿的行键。这种方法的缺点是每次读取地址簿时都需要两次查询。好处是它可以让您有效地只阅读地址簿的选定部分。

Answer 2

HBase(http://hbase.apache.org/) 内置了这个功能。 试试看吧。