选项1：

使用＆＃39;桶＆＃39;在分区键中，因此X时段的数据进入同一行。像这样：

((id, bucket), timestamp) -> data

我可以一次删除一行，但代价是维护此存储桶概念。它还限制了我可以在timestamp上查询的范围，可能会导致多次查询。

选项2：

将所有数据存储在同一行中。 N列删除每列。

(id, timestamp) -> data

范围查询再次简单。但是在删除多列后的性能呢？

鉴于我们计划使用TTL让数据过期，两种型号中的哪一种可以提供最佳性能？是Option1的逻辑删除开销＆lt;＆lt; Option2还是两个模型上每列都会有一个墓碑？

我试图避免将自己埋葬在墓碑墓地里。

Answer 1

我认为这将取决于您计划为您最终选择的给定分区键计划的数据量，TTL是什么以及您正在进行的查询。

我通常倾向于选项＃1，特别是如果所有写入的TTL都相同。此外，如果您使用LeveledCompactionStrategy或DataTieredCompactionStrategy，Cassandra将在同一个SSTable中保存来自同一分区的数据，这将极大地提高读取性能。

如果您使用选项＃2，同一分区的数据可能会分布在多个级别（如果使用LCS）或一般只有多个sstables，这可能会导致您从大量SSTable中读取，具体取决于性质你的疑问还有热点问题，如果你有一个非常宽的分区，你可以重载特定的cassandra节点。

＃1（您提到的）的另一个好处是，您可以轻松删除整个分区，从而创建一个便宜得多的单个墓碑标记。此外，如果您使用相同的TTL，则该分区中的数据将同时到期。

我确实同意，在多个分区中进行多个查询读取时会有点痛苦，因为它会将一些复杂性推向应用程序端。如果无法隐式确定，您可能还需要维护一个单独的表来跟踪给定id的存储桶。

就性能而言，您是否认为在应用程序进行查询时您需要阅读跨分区？例如，如果您查询“最近的1000条记录”并且分区通常比此更宽，则可能只需要对选项＃1进行1次查询。但是，如果您想要查询“给我所有记录”，则选项＃2可能更好，否则您需要对每个存储桶进行查询。

Answer 2

创建上述表格后：

CREATE TABLE option1 (
                 ...   id bigint,
                 ...   bucket bigint,
                 ...   timestamp timestamp,
                 ...   data text,
                 ...   PRIMARY KEY ((id, bucket), timestamp)
                 ... ) WITH default_time_to_live=10;

CREATE TABLE option2 (
                 ...   id bigint,
                 ...   timestamp timestamp,
                 ...   data text,
                 ...   PRIMARY KEY (id, timestamp)  
                 ... ) WITH default_time_to_live=10;

我插入了一个测试行：

INSERT INTO option1 (id,bucket,timestamp,data) VALUES (1,2015,'2015-03-16 11:24:00-0500','test1');
INSERT INTO option2 (id,timestamp,data) VALUES (1,'2015-03-16 11:24:00-0500','test2');

......等了10秒，跟踪查询，我看到每张桌子都有相同的墓碑数。所以无论哪种方式，我都不应该为你担心。

真正的问题是，如果您认为每个分区达到20亿列的限制，那么选项＃1是安全的。如果您有大量数据，那么选项＃1可能会表现得更好（因为您将无需查看与您的bucket不匹配的分区），但实际上任何一个都应该没问题在这方面。

<强> TL;博士;

无论您选择哪种选项，性能和墓碑的问题都会相似，我认为选项＃2是更好的选择，只是因为查询的简易性。

删除行与删除列性能

选项1：

选项2：

2 个答案: