我是Cassandra的新手，最近我在DataStax上看了很多关于数据建模的tutorials。
据我所知，在Cassandra中，我们总是需要为我们想要的查询设置不同的表，例如，甚至是按时间或id对数据进行排序的简单查询。
这意味着我们必须为每个实体提供一些表，这些表根据我们以后要查询的查询而有数据。想象一下，我们有视频，我们可能有一些视频实体表。
第一个问题，正如我所说的每个查询我们必须有一个表格，我们将在不同的列上对视频进行不同类型的排序：
视频表的列是：
video_id | video_title | video_create_year | director | timestap
现在我们应该为其他排序制作其他表吗？
我们可能需要按导演名称（ASC | DESC），video_create_year（ASC | DESC），video_title（ASC | DESC）
对表进行排序我不确定，我们是否应该为每个不同的排序制作不同的表格？
如：
videos_by_diractor_asc
videos_by_diractor_desc
videos_by_title_asc
videos_by_title_desc
所以......
我理解正确吗？
第二个问题，如果我理解正确，那么我忘了在我们的网站中制作一张我可能需要的表格（想象一下，有一天我忘记了有视频_by_title_asc）
我希望这个问题不会引起混淆。
答案 0 :(得分：2)
好的，你对Cassandra有一定的了解。
我希望我理解你。这个表的主键如下所示：
videos_by_diractor_asc PRIMARY KEY(director)
videos_by_title_asc PRIMARY KEY(title)
但是在这种情况下你忘了一件事：分区键。分区键是主键的第一部分。我认为，在你的情况下，这一年是有道理的。具有相同分区键的所有行始终位于同一节点上。 Cassandra通过分区键拆分行。分区键（称为列键）之后的列已排序。分区键本身未排序。这意味着：node1可以具有2015年，1998年和1950年以及node2 2010,1990,1577 .Cassandra在节点之间均匀地分布数据。在建模时，您必须考虑一件重要的事情：在一个分区键中我的表的预期大小是多少。这意味着，在视频案例中，您预计一年中会有多少行？ 2 Mio？ 1亿？如果你将获得超过2bln行x列，你将遇到一个巨大的问题。 2bln是每个分区键的最大大小。但请记住：它是最大的。我建议不要超过500mio。在最坏的情况下，我用500mio计算。
所以现在我们可以谈谈列密钥。是的，每个排序都需要一个新表。如果要以不同的顺序访问WHERE条件中的数据，还需要一个新表。 一个例子： 你有这个主键 主要关键（年，导演，头衔）
第一个是分区键。这意味着：您总是需要在适合的条件下使用年份。然后，您的数据使用相同的分区键，由导演在ASC中进行排序。经过头衔的导演。在这种情况下，您无法使用此WHERE条件：WHERE年= 2016年和title =＆＃39;无论＆＃39;
好的，现在我将回答你的主要问题:) 关于重复数据的事情。在Cassandra 3.0中，您可以使用物化视图。是的，这是一个很好的功能，但它有他的开销。最好的解决方案是在cassandra周围编写一个包装器。这个包装器只做一件事：它处理所有这些重复的数据。它知道什么是访问数据的最佳方式，如果你需要它按标题排序，然后按导演排序，而不是按导演排序，然后按标题排序。还有一件事：无需担心写入数据5次或更多次。 Cassandra针对写作进行了优化。写数据没关系。但是不要忘记一件事：Cassandra是一个已知查询的数据库。如果您知道在此排序顺序中经常需要数据，请为其创建一个表。但是，如果您不了解它，并且仅在下列情况下创建此表：不要创建表。为此，有时查询，您可以使用spark或其他解决方案。
还有一件事：如果你只需要通过一件事来查询数据，比如仅通过标题，只有导演，就不要使用cassandra。这是密钥值存储的主要特征。