Cassandra：分区键的数据类型 - 十进制或UUID

Question

我想首先描述我正在处理的问题：
目前，我试图找到一种策略，允许我将数据从现有的PostgreSQL数据库迁移到Cassandra集群。 PostgreSQL中的主键是一个25位的十进制值。当我迁移数据时，如果我能够以某种方式保留当前主键的值并使用它来唯一地标识Cassandra中的数据，那将是很好的。此密钥应该用作Cassandra中的分区键（我正在讨论的表中没有涉及其他列）。经过一些研究，我发现一个好的做法是在Cassandra中使用UUID。所以现在我有两种可能的解决方案来解决我的问题：

1. 我可以创建一个转换规则，将我当前的十进制主键从PostgrSQL数据库转移到Cassandra的UUID中。每当有人请求访问某些旧数据时，我都必须将转换规则重新应用到密钥并使用UUID在Cassandra中搜索数据。转换将在应用程序服务器中进行，该服务器管理与Cassandra的所有通信（因此没有客户端将直接与Cassandra交谈）添加到Cassandra的新数据当然将与UUID一起存储。

2. 我现在用Java实现的另一个解决方案是使用十进制值作为Cassandra中的分区键。由于有可能，多个应用程序服务器将同时与Cassandra通信，我当前的方法是在我的应用程序中生成UUID并将其转换为十进制值。使用这种方法，我可以简单地重用PostgreSQL中的所有现有主键。

我不能简单地为现有数据创建新密钥，因为其他应用程序已经存储了对旧主键值的引用，因此会尝试使用这些密钥请求数据。

现在我的问题是：这两种方法似乎都有效，最终会有唯一的密钥来识别我的数据。跨所有节点的数据分配也应该没问题。但我想知道，如果使用UUID超过十进制值作为分区键或反之亦然有任何好处。我不确切知道Cassandra确定分区键的哈希值，因此无法确定是否优先选择任何数据类型。如果相关，我正在使用Murmur3Partitioner for Cassandra。

有没有人有过这个问题的经验？

提前感谢您的回答。

Answer 1

我知道UUID有两个好处。

首先，它们可以独立生成，几乎没有碰撞的可能性。这在分布式系统中非常有用，因为您经常有多个客户端想要使用唯一键插入数据。在RDBMS中，我们有很多自动递增字段来提供唯一性，因为它可以很容易地以原子方式完成，但在分布式数据库中，我们没有高效的全局原子锁来做到这一点。

第二个优点是UUID在存储方面相当高效，只需要8个字节。

只要您的旧十进制值是唯一的，您就应该可以将它们用作分区键。