在 cassandra 中设计分区所需的建议

Question

我必须为客户设计数据库，以了解他们在未来 24 个月内通过多个供应商获得的数百万种材料的价格。因此，该数据库将在未来 24 个月内每天存储特定供应商提供的每种材料的价格。所以我们保留过去的数据。现在查找将发生在：

1. 查找供应商截至客户特定日期的材料价格。
2. 查找供应商在客户一段时间内的材料价格。

我可以认为主键为：

1. 分区键：（客户 ID、物料 ID、供应商 ID、日期） -- 这是否会导致性能问题，因为从长远来看它会产生如此多的分区？
2. Partition Key: (customer Id, material Id, supplier Id, monthbucket), clustering key: date --monthbucket 将按月在同一分区上存储材料的数据，并将 2020 年 2 月日期的值类似于“202002”。

另一个问题是如何确保我的数据在节点之间均匀分布。

注意：

1. 客户、材料、供应商和日期的组合是独一无二的。
2. 两个客户可以有相似的材料 ID。

关键点： 1. 一些客户可能拥有非常小的数据集，而另一些客户可能拥有庞大的数据。由于日期是所有客户的常量字段，我们可以在多大程度上均匀地跨分区分配数据。此外，不同客户之间的材料 ID 可以相同，因为存在内部表示（可能是数字或字母数字）

1. 每个客户和材料 ID 的供应商数量从 1 到 20 不等。 您有什么建议或问题吗？

谢谢。

Answer 1

这取决于每个客户有多少供应商。因为您总是对客户 ID 和材料 ID 进行查询，所以我建议至少将这些列设置为分区键。如果您的供应商太多，您也可以将其移动到分区键中。而且我会避免使用每月存储桶 - 这会使查询变得困难。

所以你可以使用以下主键：

1. ((customer, material, supplier), date)
2. ((customer, material) supplier, date)

两者都允许同时进行两个查询：

1. select * from table where customer = ... and material = ... and supplier = ... and date = ...
2. select * from table where customer = ... and material = ... and supplier = ... and date >= start and date <= end

但我建议使用第一个分区，分区不会太大，也不会太小。