用于 Web 分析的 Cassandra 数据模型方法答案

【问题标题】：Cassandra data model approach for web analytics用于 Web 分析的 Cassandra 数据模型方法
【发布时间】：2014-03-27 01:05:50
【问题描述】：

我最近开始为我们的项目探索 Cassandra。我对 Cassandra 数据建模有疑问。让我们以谷歌网络分析产品为例。谷歌收集/汇总不同时间范围内不同维度的网址统计信息。让我们举一个简单的例子，从桌面浏览器和移动浏览器收集 www.yahoo.com 的访问次数，为期 30 天（每日总和）。我们可以通过两种方式对此进行建模 -

每个浏览器类型的一个行键，用于相同的 url，每天作为具有聚合计数器列类型的列名

一个通用行键，用于 url 和复合键，带有日期、url 和浏览器类型，带有聚合计数器列类型

每种方法的优缺点是什么？

【问题讨论】：

标签： cassandra data-modeling

【解决方案1】：

列名的长名称不是一个好主意，因为它们将重复存储在每一行中。您应该使用日期、网址、平台、日期作为主键，并使用一列作为计数。这样，如果您需要指定日期、网址、平台的月份中的所有日期。

【讨论】：

当你说主键时，我想你的意思是行键。我们的要求是按日期、平台、浏览器类型等对数据进行切片。将来我们还可以按国家、州、城市对数据进行切片。基本上它不是一个键。因此，使用您的模型将成倍增加行数。这样可以吗？列族的行数有限制吗？
下面的 SO 讨论对此几乎没有什么不同的看法。您对此有何看法？ stackoverflow.com/questions/19039123/…
是的主键或行键，我们说的是不同版本的cassandra；）首先，行数没有限制，添加更多服务器。对于国家、州、城市，您可能需要一个新表，您能否再解释一下该用例？关于链接，这是完全正确的，在您的情况下取决于您的访问模式，如果您通常只阅读一列，最好将 date,url,platform,day 作为行键，如果您主要阅读所有 30 个计数器同时，将日期，网址，平台作为行键，将日期作为列名会更有效