在 Cassandra 中处理一对多

Question

鉴于以下简化的域模型：

火车之旅

• id uuid
• 火车名称字符串（一天内唯一）
• 行程日期
• ...

旅程驿站

• 站 uuid
• 到达时间戳
• 出发时间戳
• ...

有了这个关系：

• 1 Train Journey 有 n 个旅程站

有此查询要求：

• 给定车站的所有火车旅程，包括所有旅程车站，在给定时间范围内出发。

这个查询应该如何在 Cassandra 中建模？

我在想这样的事情：

CREATE TABLE departures_by_station (
    date_of_yourney date,
    train_name varchar,
    station uuid,
    arrival timestamp,
    departure timestamp,
    primary key((date_of_journey, station), train_name, departure)
);

SELECT * from departures_by_station 
WHERE date_of_journey = '2018-01-02' AND station = 'Paris' AND departure ...;

这将不起作用，因为它会导致部分火车旅程 - 除了请求的站点之外的所有旅程站都丢失了。 更糟糕的是，到达和离开时间可能会经常变化。我无法使用新的出发时间更新此表，因为它是一个集群键。

任何想法或提示如何解决这个问题？我想我在这里缺少一些基本的东西，但我对 nosql 世界很陌生。

Answer 1

首先，它可能不是最优化的解决方案（需要对分区大小等进行一些计算）。如果您可以使用 TTL 使“旧”数据过期，那么我考虑过这样的事情：

CREATE TABLE departures_by_station (
   station uuid,
   departure timestamp,
   train_name varchar,
   arrival timestamp,
   statitions list<uuid>
   primary key(station, departure, train_name)
);

在这种情况下，您将拥有所谓的“宽”分区 - 每个旅程站一个，并且因为您将出发作为聚类键，您可以对其进行范围搜索。但是，如果您使大量数据过期，那么您需要经常对表执行“修复”以消除墓碑（删除标记），因为这可能会影响读取性能。

另外，为避免进行多次查找，您需要将旅途中所有站点的信息放入每一行 - 我将其写为 list<uuid>，但它可以更好地建模为用户定义的类型，因此您可以包含站点姓名和其他信息。

您的代码还应该为特定火车沿途的每个车站生成一个条目。

附：我建议在DataStax Academy 上参加 DS220（数据建模）课程。