卡桑德拉解释

Question

我从 Datastax 学习 Cassandra。我对此有几个问题。请帮助我理解这些背后的逻辑。

假设，我有 2 张桌子。

1) 用户

First Name- Text
Last Name- Text
UserID - UUID PRIMARY KEY

2) 股票

Stock ID PRIMARY KEY
UserID
ColXYZ

现在我的疑问是：-

1) 我需要用first_name = 'XYZ' 过滤User 表。它是一个瓶颈，因为它不是 PM，因此我无法过滤它。这种架构背后有什么原因吗？？

2) 既然我不能按 PM 以外的任何列进行过滤，我如何记住用户的 UUID？例如：-假设用户 XYZ 有一个 UUID 7892hbwdw81212ww (something)，我如何首先知道用户 XYZ 的 UUID ???由于我无法按任何其他列过滤，我需要知道该用户的 UUID？我怎么会知道呢？

3) 由于RF>1，协调器根据拓扑将请求转发到不同的节点，然后根据最新的时间戳响应客户端。如果 1 模式响应缓慢并且该节点具有最新更新的数据怎么办？在那种情况下会发生什么？

4) 谁决定需要将数据复制到哪些节点？我知道协调器根据分区键将请求转发到需要存储数据的实际节点。但是数据会复制到哪些节点呢？

5) 此外，使用 Cassandra 本身就是一项艰巨的任务，因为我可以看到数据库设计是一项艰巨的任务。我们的模型设计应该是完美的（这对于像我这样的新手来说并不总是可能的），我们是否应该认真考虑 Cassandra 作为数据源？？

Answer 1

我会（可能很遗憾地）咬人...... user1162512 :)

1. Cassandra 致力于极高的数据摄取率和非常非常快速的查询。它将数据存储在分区中，并且分区一起存储和获取。您的主键可以有多个字段。 PK 的第一个字段称为分区键，它定义了某些数据属于哪个分区。高级查询将需要额外的复杂性，正是由于这个原因，cassandra 的查询功能要少（比如 SQL 服务器）。它允许的内容非常严格。您可以按分区键和连续的集群键（PK 中的其余列）进行查询。您可以在完全相等的情况下执行这些操作，但您可以对查询中的最后一个或“最内层”聚类列进行范围查询。这样做的原因是在一个分区内，数据是按每个连续的聚类键排序的。说，你的PK是（A，B，C，D）。然后 A 定义分区。在分区中，数据先按B排序，其中数据先按C排序，再按D排序。查询要求严格的原因是cassandra可以识别一个数据块并简单地返回。有二级索引之类的选项，但您几乎总是希望在使用它们之前先访问一个分区。将每个分区视为一个数据库。你会做一个会访问大量数据库的查询吗？这对性能有好处吗？这些限制是为了确保高性能场景中的持续延迟。是的，查询功能是有限的，但是考虑到一些数据建模，它们确实允许在相当广泛的用例中使用。 cassandra 中的数据建模是查询驱动的……如果您的数据模型是为您的查询构建的，您将获得非常好的性能。查询驱动建模是一种思维转变，与类似 SQL 的方法非常不同。

2. 您将创建另一个将用户名映射到 id 的表。非规范化很常见。请记住，您必须在一个查询中找到最多两个分区。这将是一个查找表。如果您需要更高级的搜索，请使用适当的搜索服务器，如 lucene、solr 等。然后使用键查询 cassandra。

3. 除了 RF，您还有读写一致性级别的概念。您可以按查询控制这些。您可以指定 Read 和 Write cl，以便 Read + Write > RF。如果你这样做，你将有很强的一致性。如果您的读取 CL 为 1 且 RF > 1，您可能会得到陈旧的数据。这就是可调一致性概念的用武之地。

4. 分区程序选择第一个分区。副本由复制策略选择。http://www.datastax.com/documentation/cassandra/2.0/cassandra/architecture/architectureDataDistributeAbout_c.htmlhttp://www.datastax.com/docs/1.0/cluster_architecture/replication

5. 视情况而定。如果你知道查询的类型（即什么样的查询，不一定全部），并且需要非常快速的摄取、读取、高可用性、内置跨数据中心复制、水平可扩展性、可调一致性，那么 cassandra 是一个非常好的数据存储。对于更多的分析工作负载，您可以将其与 Apache Spark 配对，这将使您能够以更灵活的方式获取数据，但不会像实时查询那样快。如果你打算在生产中使用它，你需要花一些时间来学习一些细节，但我想这适用于任何技术。查看 datastax academy 上的免费视频，了解精彩介绍。

希望对您有所帮助。

Answer 2

回答1。在 first_name 列上创建索引，例如：- 在用户（first_name）上创建索引名字； 除了您可以按名字选择数据之外，还请在选择查询的末尾提供“允许过滤”。

ans2. ans1 首先将解决第二个问题。

答案3。如果您设置的一致性级别超过第一个，cassandra 将匹配来自节点的数据等于一致性级别，而不是提供更新的数据。

ans4. cassandra根据网络距离决定复制。

ans5 。在cassandra上做一些练习后会很容易。你可以将它用作数据源。