查询 Cassandra 的多列

Question

我正在使用 Cassandra 来存储股票信息。每个“行”都有一些基本字段，例如：时间、价格、收盘价、开盘价、最低价、最高价等。在这些字段之上，我有一个浮点类型值列表，其中包含一些内部系统计算。

对象示例：

Class stockentry

    time timestamp;
    price float;
    close float;
    open float; 
    low float; 
    high float;

    x float;
    y float;
    z float;
    xx2 float;
    xx3  float;
    xx... yy... z... 
    a lot more...

在一个列族中创建许多列并存储所有这些数据对于 Cassandra 来说是没有问题的。问题是查询它。 我想查询像 x,y,xx2.. 这样的字段，这些字段包含一个非常独特的数据值（带有 4 个小数位的浮点数）。

将所有这些列 (100-150) 添加为二级索引可能不是一个好的解决方案，Cassandra 文档也不建议这样做。

在使用 Cassandra 时，考虑到需求，推荐的数据建模是什么？

Answer 1

Cassandra 数据建模遵循 查询驱动设计 模式。这意味着我们不是构建一个模型来自然地表示数据（就像我们在 RDBMS 中那样），而是设计模式来适应数据访问模式。

例如，如果您知道您的大部分查询将涉及列 x 上的 where 子句，并按列 中的行排序y，您可能希望创建一个附加表，其中分区键为 x，集群列为 y。例如：

CREATE TABLE <tablename>
"x" float,
"y" float,
"price" float,
.
.
<rest of columns>
.
.
PRIMARY KEY("x","y"));  

现在，在 x 列中查询变得非常有效，因为 x 的特定值的数据存储在一起。

对于需要一系列值 (x> pricerange) 的查询，您最好将它们存储为聚类列。

诚然，这会导致多次写入，因为 x 和 y 列中的值必须跨两个表写入。 Cassandra 鼓励写入，因为在这个时代存储数据很便宜。本质上，在 Cassandra 中，您需要牺牲额外的写入来换取超快的读取。

因此，在设计数据模型之前，请考虑您最有可能执行的查询类型并相应地进行设计。

Answer 2

CREATE TABLE pricing(
 id blob,
 price_tag string, // open, close, high, low, ...
 time timestamp,
 value float,      // I would suggest blob with custom/thrift serialization
 PRIMARY KEY (id, price_tag, time)
)

随着时间的推移，它将为不同的价格类型提供非常有效的查询。

您可以在精彩的演示中找到更多信息：http://www.slideshare.net/carlyeks/nyc-big-tech-day-2013?ref=http://techblog.bluemountaincapital.com/