Question

我正在使用Cassandra来存储股票信息。每一行＆＃39;有一些基本字段，如：时间，价格，收盘价，开盘价，低价，高价等。在这些字段的顶部，我有一个浮点型值列表，其中包含一些内部系统计算。

对象示例：

Class stockentry

    time timestamp;
    price float;
    close float;
    open float; 
    low float; 
    high float;

    x float;
    y float;
    z float;
    xx2 float;
    xx3  float;
    xx... yy... z... 
    a lot more...

在列系列中创建大量列并存储所有这些数据对于Cassandra来说没有问题。问题在于查询它。我想查询x，y，xx2等字段，这些字段包含一个非常独特的数据值（浮点数有4个小数位）。

将所有这些列（100-150）添加为二级索引可能不是一个好的解决方案，而且Cassandra文档不推荐这样做。

使用Cassandra时，考虑到要求，推荐的数据建模是什么？

Answer 1

Cassandra数据建模遵循查询驱动设计模式。这意味着，我们不是构建一个模型来自然地表示数据（就像我们在RDBMS中那样），而是设计模式来代替数据访问模式。

例如，如果您知道大多数查询都会在 x 列上包含 where 子句，并按列中的行排序y ，您可能想要创建一个其他表，其中分区键是 x ，而群集列是 y 。例如：

CREATE TABLE <tablename>
"x" float,
"y" float,
"price" float,
.
.
<rest of columns>
.
.
PRIMARY KEY("x","y"));

现在，在x列中查询变得非常有效，因为x的特定值的数据存储在一起。

对于需要一系列值的查询（x> pricerange），最好将它们存储为聚类列。

不可否认，这会导致多次写入，因为列x和y中的值必须跨两个表写入。 Cassandra鼓励写作，因为在这个时代存储数据很便宜。从本质上讲，在Cassandra中，您可以通过额外的写入来进行快速读取。

因此，在设计数据模型之前，请考虑您最有可能进行的查询和相应的设计。

Answer 2

CREATE TABLE pricing(
 id blob,
 price_tag string, // open, close, high, low, ...
 time timestamp,
 value float,      // I would suggest blob with custom/thrift serialization
 PRIMARY KEY (id, price_tag, time)
)

随着时间的推移，它将为不同的价格类型提供非常有效的查询。

您可以在精彩的演示文稿中找到更多内容：http://www.slideshare.net/carlyeks/nyc-big-tech-day-2013?ref=http://techblog.bluemountaincapital.com/

查询Cassandra多列

2 个答案: