Question

我目前有一个应用程序将事件驱动的实时流数据保存到列族中，该列族建模如下：

CREATE TABLE current_data (
    account_id text, 
    value text,
    PRIMARY KEY (account_id)
)

每个accountId每X秒发送一次数据，因此我们每次收到一个事件时都会覆盖现有行。这些数据包含当前的实时信息，我们只关心最近的事件（不使用旧数据，这就是我们插入现有密钥的原因）。从应用程序用户端 - 我们通过account_id语句查询select。

我想知道是否有更好的方法来模拟这种行为，并且正在研究Cassandra的最佳实践和类似问题（How to model Cassandra DB for Time Series, server metrics）。

想到这样的事情：

CREATE TABLE current_data_2 (
        account_id text, 
        time timeuuid,      
        value text,
        PRIMARY KEY (account_id, time) WITH CLUSTERING ORDER BY (time DESC)
)

不会发生覆盖，每次插入也都会使用TTL（可以是几分钟的TTL）。

问题是，如果完全，那么第二个数据模型是第二个数据模型。据我所知，主要优势将在READS中 - 因为数据是按时间排序的，所以我需要做的只是一个简单的

SELECT * FROM metrics WHERE account_id = <id> LIMIT 1

在第一个数据模型中，Cassandra实际读取覆盖相同密钥的所有行，然后通过其写时间戳选择最后一行（如果我错了，请纠正我）。

感谢。

Answer 1

首先，我建议您查看有关read path.

的官方文档

数据按时间排序

仅在第二种情况下才会出现这种情况，当Cassandra读取单个 SSTable 和 MemTable 时（请查看流程图）。

Cassandra实际上读取了覆盖相同密钥的所有行然后通过其写时间戳
选择最后一个

这发生在文档中的按时间戳合并单元格步骤（再次检查流程图）。请注意，在每个SSTable中，第一种情况下的行数将为1。

在两种情况下，主要驱动因素是您在阅读期间需要检查多少SSTable。它与SSTable包含的记录数量有些独立。

但是在第二种情况下，你有更大的SSTabes导致更长的SSTable压缩。 TTL到期也执行额外写入。所以第一种情况有点可取。

用于实时数据的Cassandra数据建模

1 个答案: