Reddit 中使用的 Cassandra 数据库架构是什么？ [关闭]答案

【问题标题】：What is the Cassandra database schema used in Reddit? [closed]Reddit 中使用的 Cassandra 数据库架构是什么？ [关闭]
【发布时间】：2012-05-09 23:08:52
【问题描述】：

Reddit 目前正在将其数据库从 PosgreSQL 迁移到 Apache Cassandra。有人知道 Reddit 在 Cassandra 中使用什么数据库架构吗？

【问题讨论】：

我不知道，我不确定 Reddit 以外的任何人都知道，但这真的重要吗？我希望这里有很多人可以帮助确定适合您的应用程序的架构。
Reddit 在 GitHub 上发布了支持该网站的代码：github.com/reddit/reddit。我可以在代码中搜索并从那里确定架构。但我认为这更容易在这里问。
我浏览了代码，发现有两打不同的列族以不同的方式创建和使用。您是否特别想知道某个领域，或者您是否正在寻找更多类似 show schema cassandra-cli 输出的内容？
我想设计一个使用 cmets 树的应用程序，就像在 Reddit 中一样。所以，由于我的应用程序很相似，我试图从那里获得一些灵感。

标签： cassandra database-schema reddit

【解决方案1】：

我也不知道确切的 Reddit 架构，但对于您想要存档的内容，您的方式是正确的，将 cmets 的层次结构保存在基于文档的数据库中，而不是关系数据库中。我建议为每个根评论保留一个文档，然后将所有子项（以及子项的子项）添加到该评论中。

在 CouchDB 和 MongoDB 中，您可以直接存储 JSON 文档。 在 Cassandra 中，我会将 JSON 保存为字符串。所以数据结构只有

root-comments
{
    root-comment-id
    root-comment-json-string
}

每个 root-comment-json-string 看起来像这样：

{
comment : "hello world"
answers : 
[
    {
    comment : "reply to hello world"
    answers : 
    [
        {
        comment : "thanks for the good reply"
        answers : []
        },
        {
        comment : "yes that reply was indeed awesome"
        answers : []
        }

    ]
    }

]
}

此外，您可能还想在每条评论的结构中添加用户名、用户 ID、时间戳等。

如果您有大量数据，这种“非规范化”结构将使查询速度与规范化关系结构相比非常快。

在任何情况下，您都必须处理所有例外情况，当您为大规模用户实施这样的系统时可能会发生这种情况，例如。如果有人用评论 B 回复评论 A，但同时（或稍后）评论 A 被删除，会发生什么情况。

如果您在互联网上搜索“cassandra 分层数据”，您会发现一些其他方法，但它们都返回到规范化，或者它们对于“无限”层次结构并不完整。

【讨论】：

您描述的方法的问题是，每次添加新评论时，您都必须更新 JSON，即解析它，合并其中的评论，然后将其写入 Cassandra。想象一棵有数千 cmets 的树。因此，这种方法在检索时成本较低，但在更新时成本较高。关系方法是相反的，检索评论树时成本高，更新时成本低。我认为最好的方法是混合方法，按照您的描述存储最多的导入 cmets，并以关系方式存储最不重要的。
@Calin-AndreiBurloiu 是的。据我了解，这样的评论系统（如 reddit 中）的阅读量远远超过更新量。所以我的答案是完全正确的解决方案。
并且结果的解析可以很容易地在客户端的 JavaScript 中完成，因为它是 JSON。
有点新手，你的帖子帮助解释了很多结构。在这种情况下，插入评论将如何工作？我想有一个方法 addComment(parentId,commentString) - 我们如何找到那个特定的节点来插入一个新的孩子？