具有多个条件的 Cassandra 数据模型

Question

我是 Cassandra 的新手，所以我阅读了十几篇关于它的文章，因此我了解了基础知识。所有教程都通过 1 或 2 列和时间范围展示了高效的数据检索。如果您有更多条件，我找不到的是如何正确建模您的数据。

我有一个大型事件规范化数据库，有很多列，比如：

• 事件类型
• 时间
• 电子邮件
• 用户年龄
• user_country
• 用户语言
• 等等。

我需要能够按所有列进行查询。所以在 RDBMS 中我会查询：

SELECT email FROM table WHERE time > X AND user_age BETWEEN X AND X AND user_language = 'nl' 等..

我知道我可以为每一列制作一个单独的表格，但我仍然需要合并结果。也许这不是一个坏方法，但我对此表示怀疑，因为没有子查询。

我的问题显然是，如何在 Cassandra 中正确建模这种数据？

非常感谢！

Answer 1

我需要能够按所有列查询。

让我阻止你。在 Cassandra 中，您可以根据预期的查询模式创建表，并且通常一个表支持单个查询。在您的情况下，您有“相当多”列，您需要将该数据复制到旨在支持每个可能查询的表中。这将很快变得庞大而笨拙。

我们可以将其余部分添加为二级索引吗？ eventtype 表 + Mercer_id + time selection 中可能仍有数百万行。

二级索引旨在用于中间的基数列。因此，极低和极高的基数列都对二级索引不利。问题在于，Cassandra 必须选择一个节点作为协调器，扫描每个节点上的索引（导致大量网络时间），然后构建并返回结果集。这是性能不佳的处方，与使用分布式数据库的最佳实践背道而驰。

简而言之，对于这样的用例，Cassandra 并不是一个好的解决方案。听起来您希望能够进行 OLAP 类型的查询，为此您应该使用更适合该目的的工具。