为Cassandra表选择分区键 - 分区太多了多少？

Question

我有一个应用程序，其中Cassandra表的“自然”分区键似乎是“客户”。这是我们想要查询数据的主要方式，我们可以获得良好的数据分布等。

但如果有超过100万的客户，那会是太多不同的分区吗？

我应该选择导致分区键数量较少的分区键吗？

我已经查看过有关此主题的一些相关问题，但似乎没有一个问题可以解决这个问题。

Answer 1

  

但如果有超过100万的客户，那会是太多不同的分区吗？

没有。 Murmur3Partitioner可以处理类似2 ^ 64（-2 ^ 63到+ 2 ^ 63）分区的内容。 Cassandra旨在非常擅长存储大量数据并通过分区键进行检索。 分区中的列数（20亿）存在限制，但是对于分区总数，我认为您对所拥有的内容没有问题。

  

我应该选择导致分区键数量较少的分区键吗？

绝对不是。这可能会导致您的分区变得太大，和/或开发热点＆＃34;在您的群集中。

选择一个好的分区密钥背后的主要任务是找到一个（两者）在集群中提供良好的数据分布，并匹配您的查询模式。从我正在阅读的内容来看，听起来你完全就是这样做的。

Answer 2

我认为您误解了如何使用分区键。建议的分区程序获取您的分区键值，然后从它们计算128位哈希值。哈希称为记录的标记，它是确定记录存储位置的标记值。每个Cassandra节点都有一组与之关联的令牌范围。如果记录的令牌落在节点的范围内，则该记录存储在该节点上。 分区的数量不是由您选择的分区键确定的：它是群集中令牌范围的数量。这大致等于您在配置数据存储节点时选择的 vnodes 的总数。

Answer 3

您最好使用当前的分区键。无需使用复合分区键来驱动更多分区。你在做任何时间序列数据建模，每秒增加更多列有点事。如果不是，您当前的分区密钥可以用于数百万客户。