Cassandra - 一张大桌子与多张桌子

Question

我目前正在尝试试用 Cassandra 数据库。 我正在使用 DataStax 开发中心和 DataStax C# 驱动程序。

我当前的模型非常简单，仅包含：

• ParameterId (int) - 将作为表的 id。
• 值（大整数）
• MeasureTime（时间戳）

我将拥有 1000 个（不多也不少）参数，从 1 到 1000。并且每次 pr 都会为每个参数获取一个条目。第二，将运行多年。

我的问题是创建一个表格是否更好：

CREATE TABLE keyspace.measurement (
    parameterId int,
    value bigint,
    measureTime timestamp,
    PRIMARY KEY(parameterId, measureTime)
) WITH CLUSTERING ORDER BY (measureTime DESC)

或者最好创建 1000 个仅包含 value 和 measureTime 的表，如果是这样，我是否可以对我的 MeasureTime 进行范围查询？

Answer 1

你会用这个打很宽的行。我建议不要使用您的表格格式，并且我会选择一些可以让您控制行宽的东西。

根据您的查询要求，我会为您写下更合适的架构（恕我直言）：

CREATE TABLE keyspace.measurement (
    parameterId int,
    granularity timestamp,
    value bigint,
    measureTime timestamp,
    PRIMARY KEY((parameterId, granularity), measureTime)
) WITH CLUSTERING ORDER BY (measureTime DESC)

这与您的非常相似，但它有一个主要优势：您可以配置行的宽度，并且您没有任何热点。这个想法非常简单：parameterId 和 granularity 字段都构成了分区键，因此它们可以告诉您数据的去向，而measureTime 将使您的数据保持有序。假设您要逐日查询，则将measureTime 的值yyyy-mm-dd 存储到granularity 中，将同一天的所有度量组合在一起。

这允许您通过有效的范围查询检索位于同一分区上的所有值（因此每个给定的 parameterId 和 granularity 字段对）。在逐日配置中，您最终会得到每个分区 86400 条记录。这个数字可能仍然很高（建议的限制是 10k IIRC），您可以通过使用 yyyy-mm-dd HH:00 值进行逐小时分组来降低该值。

这种方法的缺点是，如果您需要来自多个分区的数据（例如，您按天分组，但您需要连续两天的数据，例如 1 月 19 日的最后 6 小时，以及1 月 20 日的前 6 小时），那么您将需要执行多个查询。

Answer 2

我们在这里有两种方法，每种方法都有自己的优点和缺点。

方法1：每个参数创建1个表（1000个表只包含 一个值和measureTime）

如果我们只有有限数量的参数，这种方法会很好，在不久的将来，如果我们需要容纳更多参数，那么为每个参数创建一个表会变得很麻烦。将表放在不同的分片中可以提高性能。

方法二：创建一张大表

NoSql DB 旨在为更多记录提供更好的性能。即使拥有十亿条记录也会带来良好的性能。

考虑到这一点"will be getting an entry for each parameter once pr. second and will be running for years."，我觉得方法1最适合你的场景，前提是未来参数数量不会增加。