Cassandra硬vs软删除

Question

我有多个表要保留已删除的数据。

我想到了实现这个目标的两个选择：

1. 创建名为deleted_x的新表，从x中删除时，立即插入到deleted_x。

   优势：仅从一个表中查询。

   缺点：

   • 为每次删除插入
   • 当原始表格结构发生变化时，我也必须更改已删除的表格。

2. 有一个名为is_deleted的列，并将其放在每个表中的分区键中，并在删除行时将其设置为true。

   优势：一个表格结构

   缺点：在表格的所有查询中提及is_deleted

我还应该考虑额外的考虑因素吗？ 哪种方式更好？

Answer 1

选项＃1很尴尬，但它可能是在Cassandra做事的正确方法。您可以在一个批次中发出两个突变（一个DELETE和一个INSERT），并保证两者都被写入。

如果您来自关系背景，选项＃2并不像您预期​​的那样简单，因为在Cassandra中向表中添加is_deleted列并期望能够查询它并不是一件容易的事。主要原因是Cassandra在查询主键（分区键+可选聚类键）而不是二级索引时表现更好。因此，为了获得最佳性能，您需要将其建模为聚类密钥 - 这样做会阻止您简单地发布更新 - 无论如何您都需要删除+插入。

选项＃2在物化视图的3.0+中变得更加可行 - 如果你正在考虑Cassandra 3.0+，它可能值得考虑。

Answer 2

  

我还应该考虑其他性能因素吗？

通过两次插入数据，您将有效地将群集的写入负载和存储大小加倍。这包括压缩，修复，引导新节点和备份。

  

哪种方式更好？

让我建议第三个选项。

1. 创建包含每一行的表all_data，永远不会从
中删除
2. 使用相同的分区键创建表active_data。此表格仅包含未删除的行（编辑：，但根本不包含任何数据！）。
3. 在从active_data读取之前检查密钥是否在all_data中，只允许您读取未删除的行