多对多数组关系的 cassandra 模式数据设计答案

【问题标题】：cassandra schema data design for many-to-many array relationship多对多数组关系的 cassandra 模式数据设计
【发布时间】：2013-07-11 18:15:44
【问题描述】：

所以我需要一个可以为大约 3 亿用户存储信息的数据库。每个用户将有两个向量：他们最喜欢的 5 个项目，以及他们最相似的 5 个用户（这些用户也包含在用户集中）

例如：

preferences                  users

user  |  item           user  |  user  
--------------          --------------
user1 |  item1          user1 |  user2
user1 |  item2          user1 |  user4
user1 |  item3          user2 |  user8
user2 |  item3             .   .   .
user2 |  item4
.    .   .

所以基本上我需要两张表，都是多对多关系，而且都比较大。我一直在探索 cassandra（但我对其他解决方案持开放态度），我想知道我将如何定义架构，以及我需要什么类型的索引来优化和正常工作。

我需要以两种方式查询：

1.当然是由用户，并且
2。通过他们列表中的任何项目。（这样我就可以得到一个拥有相同收藏项的用户列表）

我已经设置了 cassandra 并开始使用它，但我什至无法让列表工作，因为我需要“复合”主键？我不明白为什么。

非常感谢任何朝着正确方向的帮助/推动。

谢谢！

【问题讨论】：

标签： nosql cassandra schema bigdata

【解决方案1】：

我不确定您是否充分描述了您的用例。访问模式首先定义了您的关键设计，最终定义了 NoSQL 数据库的工作负载特征。例如，您是否必须根据特定地理位置或类似的东西搜索用户，或者这只是简单的，抓取 1 个用户和他最喜欢的项目和/或他的类似用户。

根据您的描述，您可能应该只为 user_ids 创建一个键空间，然后您的值可以是“最喜欢的项目”的非规范化副本和“相似用户 id”的列表。假设您的下一步行动是与那些相似的用户做某事，您可以快速从 id 列表中获取他们。

重要的一点是您的密钥有多大（我的意思是字符/字节），您是否能够将它们放入内存中，从而获得非常快的性能。如果您的机器的密钥大小内存有限，那么您需要规划多个节点，这些节点可以容纳给定数量的密钥，并让这些节点在单独的服务器上运行。至少这是 Oracle NoSQL 数据库 (ONDB) 最重要的部分……我是那个团队的一员。好消息是 300M 仍然很小。

希望对你有帮助，

-罗伯特

【讨论】：

..uh...阅读我自己的帖子意识到它有点不清楚。 ONDB 具有主要-次要密钥实现，因此所有次要部分都在本地集群到主要密钥空间。因此，您希望 user_id-favorite 和 user_id-similar 作为键。然后你可以有效地获得一个或两个值。重要的一点是选择一个好的 user_id 键空间以获得良好的分布。