我有一个包含2列的cql表
{
long minutesTimeStamp->纪元时间的仅分钟部分。秒将被忽略。
字符串数据->一些数据
}
我有一个5节点的cassandra集群，我想每分钟在所有5个节点上均匀地分配数据。因此，如果每分钟的数据量约为1万条记录，那么每个节点应消耗的数据量约为2k。
我还想并行使用每一分钟的数据，这意味着5个不同的读取器在每个节点上读取1个数据。
我来到了一种解决方案，就像我在表中又保留了一列一样
{
long minutesTimeStamp
int shardIdx
字符串数据
分区键：（minuteTimeStamp，shardIdx）
}
通过在写入数据时执行此操作，我将对shardIdx进行循环轮询。由于cassandra使用 vnodes ，因此（min0,0）可能会进入node0，而（min0,1）也可能会进入node0，因为此令牌也可能属于node0。这样，我可以创建一些热点，而且还会妨碍读取，因为5个并行读取器想要在每个节点上读取1个，但是可能有多个读取器到达同一节点。
我们如何设计分区键，以便在不编写自定义分区程序的情况下均匀地分布数据？
答案 0 :(得分：0)
无需通过分片使数据分发更加复杂。
当您接近成千上万个分区时，默认的Murmur3Partitioner将在节点之间平均分配数据。
如果您的用例确实要成为“数据1”上的热点，那么用例/访问模式将是一个固有的问题，但是在实践中很少会出现，除非您在其中遇到了超节点问题（例如）社交图用例，其中泰勒·斯威夫特（Taylor Swift）或巴拉克·奥巴马（Barack Obama）的追随者比其他所有人都要多。干杯！