如何仅检索从 Cassandra 更改的信息？

Question

我正在为以下用例设计 Cassandra 列族架构。我不确定为以下用例设计 cassandra 列族的最佳方法是什么？我将为此使用 CQL Datastax Java 驱动程序..

下面是我的用例和我现在设计的示例模式 -

SCHEMA_ID       RECORD_NAME               SCHEMA_VALUE              TIMESTAMP
1                  ABC                     some value                 t1
2                  ABC                     some_other_value           t2
3                  DEF                     some value again           t3
4                  DEF                     some other value           t4
5                  GHI                     some new value             t5
6                  IOP                     some values again          t6

现在我将从上表中看到的是这样的 -

1. 每当我的应用程序第一次运行时，我都会要求上表中的所有内容..意思是给我上表中的所有内容..
2. 然后每隔 5 或 10 分钟，我的后台线程将检查此表，并要求只提供已更改的所有内容（如果该行有任何更改，则为整行）。这就是我使用的原因时间戳作为此处的列之一..

但我不确定如何设计查询模式，以便我的两个用例都能轻松满足，为此设计表的正确方法是什么？这里 SCHEMA_ID 将是我想使用的主键...

我将为此使用 CQL 和 Datastax Java 驱动程序..

更新：-

如果我使用这样的东西，那么这种方法有什么问题吗？

CREATE TABLE TEST (SCHEMA_ID TEXT, RECORD_NAME TEXT, SCHEMA_VALUE TEXT, LAST_MODIFIED_DATE TIMESTAMP, PRIMARY KEY (ID));

INSERT INTO TEST (SCHEMA_ID, RECORD_NAME, SCHEMA_VALUE, LAST_MODIFIED_DATE) VALUES ('1', 't26',  'SOME_VALUE', 1382655211694);

因为，在我的这个用例中，我不希望任何人每次都插入相同的SCHEMA_ID。SCHEMA_ID 应该是唯一的，只要我们在此表中插入任何新行。所以在你的例子中（@ Omnibear），有可能有人可以插入相同的 SCHEMA_ID 两次？我说的对吗？

关于type，您已将其作为额外列，在我的示例中，该类型列可以是record_name..

Answer 1

关于 1) Cassandra 用于大量写入，多个节点上的大量数据。从这种设置中检索所有数据是大胆的，因为这可能涉及必须由一个客户处理的大量数据。更好的方法是使用分页。这是natively supported in 2.0。

关于 2) 关键是分区键只支持 EQ 或 IN 查询。对于 LT 或 GT ()，您使用列键。因此，如果按“类型”之类的 ID 对条目进行分组有意义，则可以将其用作分区键，并将 timeuuid 用作列键。这允许像这样查询所有比 X 新的条目

create table test 
  (type int, SCHEMA_ID int, RECORD_NAME text, 
  SCHEMA_VALUE text, TIMESTAMP timeuuid, 
  primary key (type, timestamp));

select * from test where type IN (0,1,2,3) and timestamp < 58e0a7d7-eebc-11d8-9669-0800200c9a66;

更新：

你问：

有人可以插入相同的 SCHEMA_ID 两次吗？我说的对吗？

是的，您始终可以使用现有主键进行插入。该主键的值将被更新。因此，为了保持唯一性，主键中经常使用 UUID，例如 timeuuid。它是一个包含时间戳和客户端 MAC 地址的唯一值。有excellent documentation on this topic。

一般建议：

1. 首先写下您的查询，然后设计您的模型。 （用例！）
2. 您的查询定义了您的数据模型，而该模型又主要由您的主键定义。

所以，在你的情况下，我只需调整上面的架构，如下所示：

CREATE TABLE TEST (SCHEMA_ID TEXT, RECORD_NAME TEXT, SCHEMA_VALUE TEXT,   
LAST_MODIFIED_DATE TIMEUUID, PRIMARY KEY (RECORD_NAME, LAST_MODIFIED_DATE));

允许这个查询：

select * from test where RECORD_NAME IN ("componentA","componentB")
  and LAST_MODIFIED_DATE < 1688f180-4141-11e3-aa6e-0800200c9a66;

the uuid corresponds to -> Wednesday, October 30, 2013 8:55:55 AM GMT
so you would fetch everything after that