【发布时间】：2014-03-18 13:54:57
【问题描述】：
我已经在 youtube 上仔细研究 Cassandra 文档和视频了几个星期了。
我正在实现一个日志存储和关联系统，我想为此使用 Cassandra。不过，对于这种类型的应用程序，我似乎无法完全理解 Cassandra 数据模型。对于此类应用程序，我无法找到太多关于最佳数据模型的深入示例。
日志系统围绕 HTTP 网络流量展开。我的日志源会及时扩展，但目前它们将包括代理日志、应用程序日志和一些其他系统日志，其中包括主机名/IP 和事件数据。
我的关联将围绕源 IP 地址和目标 IP 地址以及主机名、域名、geoip 位置、http 方法 (GET/PUT/Connect) 以及围绕所请求文件类型的一些其他可能关联（例如 .jar .exe .pdf）。在所有这些情况下，时间相关性也很重要。
我在很多地方都读到过，Cassandra 的数据建模从考虑您将要运行的查询开始。所以我在这里指定了几个例子。还有更多示例，但以下是一个好的开始，任何查询都将遵循类似的相关模式。
示例查询 1： 显示过去 24 小时或过去一周内，在 URL 中带有 .jar 扩展名的日志中的哪些位置看到了 IP 10.0.0.1
示例查询 2： 显示过去 24 小时内转到域 xyz.com 的所有 PUT 请求
示例查询 3： 显示源主机 192.168.1.1 从 time01 到 time02 的所有日志事件
示例查询 4： 显示昨天发生的 10.0.0.1 和 192.168.1.1 之间的所有通信。
示例查询 5： 将所有新事件与现有的域和 IP 列表进行比较，并向我显示包含这些 IP 和域的任何新事件。
如果需要，我可以提供更多详细信息。任何指导都会很有用。
谢谢！
【问题讨论】：
-
我只是在寻找指针和指导，正如我在上一句中所说的那样。即使只是指向类似项目或实施的链接也会有很大帮助。
-
对于每个查询，找出您要询问的单个实体是什么：即您的分区键（主键中的第一列）。然后找出您的查询将在哪些列上进行切片（即：读取相邻的行） - 这些是您的“在 X 和 Y 之间”或“在最后一个 X 内”或类似的。这些列必须是您的集群键（PKey 的第 2 列以上）。最后，您需要在尽可能多的表中复制数据以支持所有查询。
-
就相关性和其他复杂分析而言，您可能需要 MapReduce，仅 Cassandra 无法有效解决此问题。