我只是想知道是否可以找到一些线索/指针来解决我们这种简单的数据建模问题。 如果有人能在正确的方向上帮助我，那就太好了。
所以我们有一种平桌前。文档 它有各种元数据附加到一个文档，比如 UUID 文档 ID， 字符串组织 ID， 整数总页数， 字符串文档类型， 字符串帐号， 字符串分支号， 双倍金额， 等等等等……
我们存储在 cassandra 中。 UUID 是行键，我们有某些二级索引，例如组织 ID。
这个表实际上假设包含数百万条记录。 放置适当的索引有助于处理很多查询，但对于通用查询我被卡住了。 如果我输入类似的查询，即使有 10 万条记录，问题也是如此 select * from document where orgId='something' and amount > 5 and amount
上述问题可以通过适当放置某些 parmas 来解决，但我们需要根据其中几十个列进行搜索。
我仍在尝试水平缩放它，以便将多条记录放在一行中。
希望有方向感。
【问题讨论】：
这是一个广泛的问题，很难给出通用的解决方案。但是，这是我的 2 便士：
您希望查询命中单个分区以进行快速查询。如果您没有在查询中点击行键，则这是一个集群范围的操作。所以 select * from docs where orgId='something' and amount > 5 and amount
同样，您不希望所有文档都放在一个分区中...这是一个明显的热点，更不用说它会导致大小问题 - 在 100mb 标记附近保持一行是个好主意。每行几千甚至几十万元数据条目应该没问题 - 尽管这在很大程度上取决于您的特定数据。
所以我们既要命中分区键，又要利用分布，同时保持效率。嗯.....
您可以创建人工水桶。根据预期的数据量确定需要多少个存储桶。假设每个分区有几十万，n 个桶给你 n * 几十万。使存储桶 id 成为行键。查询时，使用类似：
select * from documents where bucketid in (...) and orgId='something' and amount > 5;
[注意：为此，您可能希望将 docid 作为最后一个聚类键，因此在进行范围查询时不必指定它。]
这将导致 n 个快速查询命中 n 个分区，其中 n 是存储桶的数量。
另外，请考虑限制您的结果。您真的一次需要 2000 条记录吗？
对于某些信息，使用单独的表可能是有意义的（即，在一个表中具有一种特定聚类方案的某些信息，而在另一个表中具有另一种）。某些信息的重复通常是可以的 - 但同样，这取决于特定的场景。
同样，很难给出一个笼统的答案。但这有帮助吗？
【讨论】：
问题不在于 Cassandra，而在于您的数据模型。你需要从关系思维转变为 nosql-cassandra 思维。在 Cassandra 中，如果您想获得不错的 O(1) 速度，则首先编写查询。在 Cassandra 中使用二级索引坦率地说是一个糟糕的选择。这是因为您的索引是分布式的。
如果您事先不了解您的查询，请使用其他技术，但不要使用 Cassandra。关系服务器真的很好，如果你可以在一台服务器上放置所有数据，否则看看ElasticSearch。
其他选项是使用 Datastax 版本，其中包含用于全文搜索的 Solr。
最后，您可以有多个重复信息的表。这将允许您查询特定属性。这个过程称为反规范化，其想法是您获取对象的属性，使其成为主键并将其插入到自己的表中。结果是您可以在 O(1) 时间内查询该特定表以获取该特定属性值。缺点是您现在必须复制数据。
【讨论】：