考虑这种情况，我们收集金融市场数据（例如基金价格）并将其存储在 sql 表中。
通常基金价格一天最多一次，所以表格可以是：
FundId Date Price1 Price2
当我们想要一些数据时，一个简单的查询就可以了：
select Date, Price1, Price2 from FundPriceTable where Date between XX and XX
但是，随着我们收集的数据越来越多，上述查询性能开始下降。我们尝试重新索引和刷新统计数据。问题在于，当我们检索大量数据（例如，获取 1000 支基金的 10 年历史）时，可能需要相当长的时间。
我想知道这种情况（根本没有加入），像 Cassandra 这样的系统会显示出任何性能优势（假设硬件相同）吗？
我试图在 Cassandra 和 sql server 之间找到一些时间序列的基准文章，不幸的是没有找到任何东西。
【问题讨论】：
标签： cassandra
取决于您的架构。性能提升取决于您的分区键。在您的示例中： 您可以按天或按月拆分数据。这个例子是按月吐的：
fundPricesByDay (month int, timestamp timestamp, productId text, Price1 float, Price2, PRIMARY KEY(month, timestamp, productId))
如果需要第一个月到第三个月的所有数据，可以执行3次查询：
select * from fundPricesByDay where month = 1 AND timestamp > 60000;
select * from fundPricesByDay where month = 2;
select * from fundPricesByDay where month = 3 AND timestamp < 99999;
通过这三个查询，您将获得时间戳 60000 和 99999 之间的所有数据。但是您在不同的 vNode 上执行所有查询。这意味着每个节点必须处理比 sql 更少的行。它可以提高性能。阅读更多有关 Cassandra 工作原理的信息，您将了解如何提升您的表格。
您明确要求相同的硬件。也许没有性能提升。简单地对其进行基准测试。但 Cassandra 肯定会在可扩展性和性能的结合中获胜。 SQL 有其局限性（取决于硬件，集群是可能的，但实现起来很复杂，也有其局限性），Cassandra 在可扩展性和性能方面没有这种局限性。 （或者更好：当你有一个好的架构时，真的很难达到极限。）
【讨论】：