用于批量分析的唯一分区键或分组分区键

Question

我想查看某个时间段内每个用户的每个值。

我的主键是否应该是(user_id, timestamp)，这样我才能点击每个节点并让集群键窗口关闭。

或者我的主键应该是(day_of_year, timestamp) 以便我的分区键找到节点的子集，并且我使用时间戳集群键来实现对时间段的更细粒度的控制。

Answer 1

您需要估计(day_of_year, timestamp) 创建的分区将拥有的数据。如果分区大小超过 100 MB，那么这可能会在将来的修复过程中给您带来问题。所以，如果你有可能超过 100 MB 这样的分区，那么你应该选择(user_id, timestamp)。它还将在整个节点上分配工作量，而不是只集中在一个节点上。

要了解分区大小，您可以运行nodetool cfstats。在输出中，检查 Compacted partition maximum bytes 的值。不能保证它在所有地方都是最大的分区，但它会告诉你在运行命令的节点上压缩的最大分区大小。