围绕电子邮件系统的 Cassandra 数据建模

Question

我需要数据建模帮助，因为我还没有找到解决相同问题的资源。

用户案例类似于电子邮件系统。我想存储用户收到的所有电子邮件的时间线，然后用三种不同的方式取回它们：

1. 曾经收到的所有电子邮件
2. 用户已阅读的邮件
3. 用户仍未阅读的邮件

我目前的模型如下：

CREATE TABLE TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    read boolean,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

CREATE INDEX ON TIMELINE (userID, read);

我需要支持的查询是：

SELECT * FROM TIMELINE where userID = 12;
SELECT * FROM TIMELINE where userID = 12 order by timestamp asc;
SELECT * FROM TIMELINE where userID = 12 and read = true;
SELECT * FROM TIMELINE where userID = 12 and read = false;
SELECT * FROM TIMELINE where userID = 12 and read = true order by timestamp asc;
SELECT * FROM TIMELINE where userID = 12 and read = false order by timestamp asc;

我的查询是：

1. 我是否应该继续阅读作为我的二级索引，因为它会经常更新并且可以创建墓碑 - 每个 http://docs.datastax.com/en/cql/3.1/cql/ddl/ddl_when_use_index_c.html 这是一个问题。

2. 我们可以对二级索引进行不等式检查吗，因为我发现二级索引上应该存在至少一个相等条件

3. 如果这不是正确的建模方式，请就如何支持上述查询提出建议。维护三个不同的表格让我担心插入的数量（对于已读/未读），因为用户数量 * 每天查看的电子邮件将是巨大的。

Answer 1

您的索引 (userID) 具有高基数 - 您可能希望将其作为您手动与应用程序同步的第二个（或第三个）CF 进行管理。

可能是这样的

CREATE TABLE READ_TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

CREATE TABLE UNREAD_TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

这使您能够满足以下查询：

SELECT * FROM READ_TIMELINE where userID = 12;
SELECT * FROM UNREAD_TIMELINE where userID = 12;
SELECT * FROM READ_TIMELINE where userID = 12 order by timestamp asc;
SELECT * FROM UNREAD_TIMELINE where userID = 12 order by timestamp asc;

也就是说，您使用 ORDER BY 的自然聚类顺序，并且您可以通过简单的批处理（一个 DELETE，一个 INSERT）将电子邮件从 UNREAD 移动到 READ

现在，当您将电子邮件标记为已读时，您最终可能会在 UNREAD 表中出现大量墓碑。将 GCGS 设置得较低并使用频繁的压缩可以在一定程度上有所帮助，但是如果您有成千上万的电子邮件飞入并标记为已读，您可能还希望分解这些分区以避免墓碑压倒性问题。