具有多种条件的 Cassandra 数据模型

Question

我是 Cassandra 的新手，所以我读了十几篇有关它的文章，因此我了解基础知识。所有教程都展示了通过 1 或 2 列和时间范围进行有效的数据检索。我找不到的是如果您有更多条件，如何正确建模您的数据。

我有一个大型事件标准化数据库，有很多列，例如:

• 事件类型
• 时间
• 电子邮件
• 用户年龄
• 用户国家
• 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:

从表中选择电子邮件，其中时间 > 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 中正确建模此类数据？

非常感谢!

Answer 1

I would need to be able to query by all columns.

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”的列，并且您需要将这些数据复制到旨在支持每个可能的查询的表中。这很快就会变得又大又难看。

Could we just add the rest as secondary indexes? there could potentially still be millions of rows in the eventtype table + merchant_id + time selection.

二级索引旨在用于中间基数列。因此，基数极低和极高的列都不利于二级索引。问题是 Cassandra 必须选择一个节点作为协调器，扫描每个节点上的索引(导致大量的网络时间)，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，对于此类用例，Cassandra 并不是一个好的解决方案。听起来您希望能够执行 OLAP 类型的查询，为此您应该使用更适合该目的的工具。