我正在编写一个需要跟踪＆＃34;对象＆＃34;的应用程序。具体来说，当一个＆＃34;对象＆＃34; （1k blob）到达应用程序级别，它将保留在C *中以备将来使用。谈到数字，我希望得到10-50亿个不同的对象，因此预期的数据大小介于10-50TB之间。
应用程序可以在可变时间窗口（例如，一天或一个月）内多次查看完全相同的对象。应用程序＆＃34;消费＆＃34;这些对象在某些条件适用时（它们不会立即消耗），因此应用程序级别的计数器与每个对象相关联。我不能容忍低于/超过计数，所以C *计数器是一个很大的不，我依靠正确的＆＃34;锁定＆＃34;在应用程序级别。我基本上确保每个对象都被正确计算，然后点击＆＃34;右边＆＃34;数量＆＃34;全局锁定＆＃34;和罚款，但我很好。当应用程序完成处理一个对象时，关联的计数器达到零并且我确定该对象将永远不再被使用，因此可以安全地删除它（从应用程序的角度来看）。
然而，问题在于我绝对不能保证：
如果对象X在一个月内被看到5次，则所有这5个对象将被连续处理。
如果在一个月内看到对象X 5次，则该对象将连续处理5次。
实际上，两个语句都是一回事：我无法将处理减少到队列，一个经典的Cassandra反模式，因为计数器赢得了＃t立即归零。
实际上，这5个对象将（更现实地）一次处理一次，其间有一些未确定的延迟。因此，如果对象X具有5＆＃34;计数＆＃34;，当一个对象X被处理时，我必须更新计数器并将其设置为4，并且＆＃34;等待＆＃34;直到所有剩余的4个对象X被处理，一次处理。这是最糟糕的＆＃34;混合＆＃34;到目前为止，我看到的模型是两个世界中最糟糕的：经常更新的列模型和队列反模式模型。
我想删除所有这些对象以回收存储空间，并且我试图找到一个不会遭受过多写入模式的模型申请。
从我到目前为止看到的情况来看，如果我能找到一种方法来收集最终可以删除的表中的对象，我只会执行频繁的更新，因为drop会完全删除表并避免所有删除和墓碑都混乱（假设在删除表时没有拍摄快照）。然后我会创建一个新表来处理下一组数据（类似于常量表名，后跟增加的单调数，以避免重复使用相同的表名，例如TBLNAME0，TBLNAME1，等。）。
这显然会给应用程序带来一些好处，但它会在架构中引入一些潜在的不一致性。考虑一个分布式的东西，如果一个或多个节点出现故障，我会得到很多混乱的数据，显然这是我想要避免的。
另一方面，如果我不放弃整个桌子而且我坚持删除，那么墓碑会给应用程序带来巨大的读取惩罚。
谈到删除/删除频率，我预计平均每天或每两天丢一次表，而且我预计每天会有超过1000万次删除。
Q1：放弃还是不放弃？（我投票支持放弃）。
Q2：Cassandra真的很适合这个吗？关于还有什么用的建议？
答案 0 :(得分：1)
...我希望获得100到50亿个不同的对象，因此预期的数据大小 是10-50TB ......
有了这个大数据集，你怎么能在任何体面的时间框架内将数据重组到新表？
我建议您删除对象。如果这些墓碑不在一排，那么读取惩罚以获得活细胞就不会那么多。因此，创建具有合理分区键的表肯定会是加分。
根据我的经验，对于频繁更新列，增加commitlog_total_space_in_mb和memtable_total_space_in_mb有助于避免频繁记忆到sstable刷新。这减少了压实和gc压力。
如果您提供了有关您希望执行的最常见CQL语句的建议架构和示例的更多详细信息，那么人们可能会更好地了解您打算做什么。