用户数据的No-SQL(Cassandra)数据建模

>用户数据的单个表,按用户ID分区,不同的组件读/写到不同的列？
>具有相同密钥结构的多个表(每个组件一个),偶尔需要在分区键上“连接”在一起？

我们拥有与客户相关的各种数据和元数据,我们目前将这些数据和元数据保存在具有相同分区的单独表格中.群集密钥.

这导致来自不同表(例如,分析)的用户的信息位,在其分区键上有效地“加入”两个或更多个Cassandra表.

从积极的方面来说,插入表是独立完成的.

在同一分区键下同时更新数据但不同列时是否存在竞争条件？或者在SSTables上优雅地合并了三角洲？

是否有多个表具有相同的分区(和聚类)键或反模式？

为了使这个更具体,让我们说：

CREATE TABLE example (
  pk text PRIMARY KEY
  col_a text
  col_b text
)

假设对于给定的分区密钥(pk),最初col_a和col_b都具有某个值(即,不为空).并且两个并发插入更新它们中的每一个.那里有没有竞争条件？尽管写入了不同的专栏,但是丢失了两个更新中的一个？

解决方法

写冲突是你不应该担心的.所有INSERTS / UPDATES / DELETES都是Cassandra的Upserts. Cassandra的所有内容都是以列为基础的.

Cassandra使用最后写赢策略来管理冲突.正如您在下面的示例中所看到的,无论何时更改值,都会更新与该列关联的时间戳.由于您正在运行并发更新,并且一个线程将更新col_a而另一个线程将更新col_b.

例

初始插入

cqlsh:test_keyspace> insert into race_condition_test (pk,col_a,col_b ) VALUES ( '1','deckard','Blade Runner');
cqlsh:test_keyspace> select * from race_condition_test ;

 pk | col_a   | col_b
----+---------+--------------
  1 | deckard | Blade Runner

(1 rows)

时间戳在初始插入中是相同的

cqlsh:test_keyspace> select pk,writetime(col_a),col_b,writetime(col_b) from race_condition_test ;

 pk | col_a   | writetime(col_a) | col_b        | writetime(col_b)
----+---------+------------------+--------------+------------------
  1 | Deckard | 1526916970412357 | Blade Runner | 1526916970412357

(1 rows)

一旦col_b被提升,它的时间戳就会改变以反映变化.

cqlsh:test_keyspace> insert into race_condition_test (pk,'Rick');
cqlsh:test_keyspace> select pk,writetime(col_b) from race_condition_test ;

 pk | col_a   | writetime(col_a) | col_b | writetime(col_b)
----+---------+------------------+-------+------------------
  1 | Deckard | 1526916970412357 |  Rick | 1526917272641682

(1 rows)

col_a更新后,它的时间戳也会更新为新值

cqlsh:test_keyspace> insert into race_condition_test (pk,col_a) VALUES ( '1','bounty hunter');
cqlsh:test_keyspace> select pk,writetime(col_b) from race_condition_test ;

 pk | col_a         | writetime(col_a) | col_b | writetime(col_b)
----+---------------+------------------+-------+------------------
  1 | bounty hunter | 1526917323082217 |  Rick | 1526917272641682

(1 rows)

建议

我的建议是您使用一个表来满足您的查询需求.如果需要按pk查询,则创建一个包含所需列的单个表.这样,您将拥有一个可以有效回读的宽行,作为单个查询的一部分.

您在选项2中描述的数据模型有点关系,对于Cassandra来说不是最佳选择.你不能在cassandra中本地执行连接,你应该避免在客户端预先形成连接.

数据模式规则：

规则1：在集群中均匀分布数据
您将需要创建一个分区键,以确保数据在整个群集中均匀分布,并且您没有任何热点.

规则2：最小化分区数量
每个分区可以驻留在不同的节点中,因此您应该尝试创建一个场景,为了性能,您的查询理想地只针对一个节点.

规则3：围绕您的查询建模

>确定要支持的查询
>创建一个满足查询的表(意味着每个查询模式应使用一个表).
>如果需要支持更多查询模式,请将数据反规范化为为这些查询提供服务的其他表.避免使用辅助索引和物化视图,因为它们目前不稳定,并且当您开始增加群集时,第一个可能会产生重大性能问题.

如果你想更多地阅读这个,我建议这个数据共享页面：
Basic Rules of Cassandra Data Modeling

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!