Question

我的数据模型非常简单。它可以模拟对网页的访问。

这是我的Visit模型的样子（语法为express-cassandra schema语法）：

fields: {
    id: {
        type: 'uuid',
        rule: {
            required: true,
            message: 'id is required'
        }
    },
    userId: {
        type: 'int',
        rule: {
            required: true,
            message: 'userId is required'
        }
    },
    dateOfVisit: {
        type: 'timestamp',
        rule: {
            required: true,
            message: 'dateOfVisit is required'
        }
    },
    urlPort: 'int',
    urlHost: {
        type: 'text',
        rule: {
            required: true,
            message: 'urlHost is required'
        }
    },
    urlPath: 'text',
    urlQuery: 'text',
    urlProtocol: {
        type: 'text',
        rule: {
            required: true,
            message: 'urlProtocol is required'
        }
    },
    urlHash: 'text',
    pageTitle: 'text'
},
key: [['id'], 'dateOfVisit'],
clustering_order: {'dateOfVisit': 'desc'}

我对此模型有一些疑问：

问题1：

我非常确定我想存储URL的各个部分，而不是将整个URL存储为单个字符串，因为它使我可以更轻松地运行查询来访问特定域，访问特定域中的特定路径域，对安全页面的访问与对不安全页面的访问，从安全页面到不安全页面（或反向页面）的链接等。

但是，最好将URL的一部分存储为A）单独的列或将B）存储为单个Map列。

此外，我是否还需要使用不同的主键来创建其他表，以支持从url的不同部分进行查询所带来的所有各种查询？

问题2

我将要使用多种不同的方式来查询数据。

获得所有用户的所有访问
获得单个用户的所有访问
获取特定日期的所有访问次数或特定日期的小时访问量
获取对指定域的所有访问
计算按路径分组对给定域的所有访问

因此，鉴于各种不同类型的查询，我应该如何存储此模型？

我目前基本上具有完全相同的字段，这些字段存储在具有不同主键的多个表中（一个表仅包含（id）以支持“获取所有用户的所有访问”，另一个表具有（id，userId）以支持“获取特定用户的所有访问次数”，等等。

感觉就像它创建数据的多个副本只是为了支持本质上相同的查询，但where子句有一个附加条件。

是否有更好的方法对此建模？

Answer 1

关于问题1：由于URL的组件始终具有相同的键（主机，端口，路径等），因此将它们作为单独的列而不是映射具有更高的效率。尤其是在Cassandra 3（或即将推出的Scylla 3.0）中，新的，更有效的文件格式不需要为每一行重复列名-但是这种重复对于映射来说是必需的（理论上，它们可能会有不同键）。

关于问题2：您可以做一件事，而不是自己维护多个表（并且始终担心这些不同表的内容是否一致），您可以使用“物化视图”功能（再次在Cassandra 3和Scylla中添加） 3）为您维护所有这些不同的表。对于所有这些表，这仍然需要磁盘上的额外存储空间，但是会简化您的应用程序。您可以做的另一件事是使用二级索引-二级索引不会复制所有数据，而是创建其他索引表以允许在表中查找原始数据。例如，在给定URL路径的情况下，将使用这种辅助表来获取具有此路径的访问列表（原始表的键）。但是您不需要自己维护该表-您需要做的只是要求为特定列建立索引，Cassandra会自动为您维护该表并将其用于查询中以查询该列的某个值。

适当的方法来规范化Cassandra表以支持带有附加参数的类似查询

1 个答案: