我正在研究Cassandra超过2周，只是完全掌握了相同的内容。我已经阅读了几乎所有关于Cassandra的网页，但仍然不清楚一些概念。以下是： -
根据文档： - 我们根据查询对列族进行建模。因此我们需要事先知道我们的查询，这在现实世界的场景中根本不可能。我们可以预先拥有一组特定的查询，这些查询都会随着时间的推移而不断变化。因此，如果我根据之前的查询设计了一个模型，那么在新的需求出现后，我需要重新设计一个模型。读取一个SO线程将来很难修复一个糟糕的Cassandra数据模型。例如： - 我有一个user模型，其字段为
name, age,phone,imei,address, state,city,registration_type, created_at
目前，我需要仅通过state过滤（假设）。我将PK作为state。让我们为模型UserByState命名。
现在2-3个月后，我需要按created_at过滤。现在，我将创建一个模型UserByCreatedAt，其PK为created_at。
现在有两个问题： -
a）如果我在需求出现时创建新模型，那么我需要将数据迁移到新模型中，即如果我创建新模型，我需要在当前模型中包含先前的数据。因此，我需要将数据从UserByState迁移到UserByCreatedAt，即我需要编写一个脚本来将数据从UserByState复制到UserByCreatedAt。 如果我错了，请纠正我!!!
如果有另一个新的过滤要求，我将创建新模型，然后迁移等等。
b）要根据查询预先创建模型，我需要保持数据同步，即在上述用户的情况下，我为2个查询创建了2个模型。
UserByState和UserByCreatedAt
所以我需要应用2个不同的写查询，即
UserByState.create(row = value,......)
UserByCreatedAt.create(row = value,......)
如果我有其他模特，比如'UserByGender'等等。我是否需要手动对不同的模型应用不同的写入查询，还是单独进行？出现了保持数据同步的问题。
答案 0 :(得分：2)
在分布式系统中没有免费的午餐，而且你已经遇到了一些关键限制。
如果您想要水平扩展的极其高性能的写入，最终必须在数据库的其他pat上做出让步。 Cassandra选择牺牲查询模式的灵活性，以确保非常快速地访问定义良好的查询模式。
当大多数用户遇到需要极其不同且频繁查询模式的情况时，他们会构建第二个表并立即更新。为了获得多表写入的原子性，可以使用记录的批处理来确保写入所有数据或者不写入任何数据。记录的批处理增加了成本，因此这仍然是性能的另一个权衡。除此之外，正常的一致性水平权衡仍然适用。
为了将数据从旧表移动到新表，Hadoop / Spark是不错的选择。这些是基于批处理的系统，因此它们不会提供低延迟，但对于一次性使用很有用，例如使用新索引和cronjob操作重建表。