在 Cassandra 中建模多租户答案

【问题标题】：Modeling MultiTenant in Cassandra在 Cassandra 中建模多租户
【发布时间】：2015-05-15 08:36:50
【问题描述】：

我有几个客户，每个客户都由一个“租户”代表

我想知道将这个概念建模的最佳方法是什么。我做了很多研究，发现了这个话题：http://cassandra-user-incubator-apache-org.3065146.n2.nabble.com/Modeling-multi-tenanted-Cassandra-schema-td7591311.html

我知道有几种可能

租户一个键空间
租户一张表（列族）
一个字段代表所有表中的租户

我选择了解决方案 3，但我不确定是否有最佳架构以获得最佳性能

这是我的个人资料架构

CREATE TABLE profiles (
  id timeuuid,
  tenant text,
  email text,
  datasources set<text>,
  info map<text, text>,
  friends set<timeuuid>,
  PRIMARY KEY(id, tenant)
);

CREATE INDEX ON profiles(datasources);
CREATE INDEX ON profiles(email);

我的 PARTITION KEY 是唯一性的“id”和 CLUSTERING KEY “tenant”。我的需要是能够尽快执行此查询

SELECT * FROM profiles WHERE id = x
SELECT * FROM profiles WHERE tenant = x
SELECT * FROM profiles WHERE email = x
SELECT * FROM profiles WHERE datasources CONTAINS x

查询没问题，但我想知道将“租户”作为 PARTITION KEY 而不是“id”并使用“id”作为 CLUSTERING KEY 是否会更好

CREATE TABLE profiles (
  ...
  PRIMARY KEY(tenant, id)
);

在我的应用程序中，“租户”始终是必填字段，因此以这种方式进行相同的查询不会有问题（但它是更快还是更慢？）

SELECT * FROM profiles WHERE tenant = y
SELECT * FROM profiles WHERE tenant = y AND id = x
SELECT * FROM profiles WHERE tenant = y AND email = x
SELECT * FROM profiles WHERE tenant = y AND datasources CONTAINS x

额外优势：能够按创建日期（ORDER BY id）对配置文件进行排序

如果我理解良好，使用租户作为 PARTITION KEY，Cassandra 会将同一租户的所有元素物理存储在同一行中，并且可能能够在该行中存储多达 20 亿条数据，在这种情况下，如果我的一位客户超过了这个数字？我还读到我们可以使用复合键，例如，将当前日期 (20150313) 放在键的第二部分，以便仅将租户当天的所有新配置文件分组在一行中

CREATE TABLE profiles (
  ...
  date text,
  PRIMARY KEY((tenant, date), id)
);

但使用此解决方案无法查询所有数据（查询中没有日期）。

您还可以在我的架构中看到，我将二级索引用于“电子邮件”和“数据源”字段。但是我在这里读到http://www.datastax.com/documentation/cql/3.1/cql/ddl/ddl_when_use_index_c.html 在返回少量结果的大表上使用二级索引（在我的情况下是一个）是一种不好的做法。在我的模式中，“数据源”是一个包含例如 facebookId、twitterId 等的集合

如果您有任何想法，我真的很感兴趣 :) ！我是 Cassandra 的新手，如果有不懂的地方请告诉我

谢谢，

多诺万

【问题讨论】：

我正在考虑类似于选项 1 的东西，但每个租户都有一个应用程序列表，每个应用程序都有自己的密钥空间。你选择了哪个选项？您对这个选择满意吗？
我发现第一个选项的吸引力在于能够控制每个应用的复制。

标签： cassandra data-modeling

【解决方案1】：

使用 Cassandra 进行数据复制不是问题，因此您必须从查询开始考虑数据建模过程。

所以，我正在考虑这样的事情：

CREATE TABLE profiles (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((id, tenant))
);

假设租户在应用程序级别是已知的，此模式将为您提供以下快速运行的查询：

SELECT * FROM profiles WHERE id = x and tenant = y


CREATE TABLE profiles_emails (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((email, tenant))

);

SELECT * FROM profiles WHERE email = x and tenant = y


CREATE TABLE profiles_tenants (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((tenant, id))
);

SELECT * FROM profiles WHERE tenant = x and id = y

CREATE TABLE tenants (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((tenant, date))
 );

 SELECT * FROM profiles WHERE tenant = x and date < y

或者你可以看看http://www.datastax.com/documentation/cql/3.0/cql/cql_using/paging_c.html

对于基于“数据源”的搜索，您可以使用不同的系统，例如 elasticsearch 或 solr。或者，如果集合的值有限，那么您可以为每个集合维护一个单独的表。

Cassandra 的写入速度很快，数据重复不是问题，因此您可以批量写入所有这些表。

您还必须考虑一致性级别，它会影响 READ 性能。真的取决于你的用例。

【讨论】：