cassandra - 查询 Cassandra 的多列

Question

我正在使用 Cassandra 来存储股票信息。每个“行”都有一些基本字段，例如:时间、价格、收盘价、开盘价、最低价、最高价等。在这些字段之上，我有一个浮点类型值列表，其中包含一些内部系统计算。

对象示例:

Class stockentry

    time timestamp;
    price float;
    close float;
    open float; 
    low float; 
    high float;

    x float;
    y float;
    z float;
    xx2 float;
    xx3  float;
    xx... yy... z... 
    a lot more...

在列族中创建大量列并存储所有这些数据对于 Cassandra 来说没有问题。问题是查询它。 我想查询 x,y,xx2.. 等字段，这些字段包含非常独特的数据值(具有 4 位小数的 float )。

将所有这些列 (100-150) 添加为二级索引不太可能是一个好的解决方案，Cassandra 文档也不建议这样做。

在使用 Cassandra 时，考虑到需求，建议的数据建模是什么？

Answer 1

Cassandra 数据建模遵循查询驱动设计模式。这意味着我们不是构建模型来自然地表示数据(就像我们在 RDBMS 中那样)，而是设计模式来适应数据访问模式。

例如，如果您知道大多数查询将涉及 x 列上的 where 子句，并按 列中的行排序y，您可能想要创建一个附加表，其中分区键为 x，聚类列为 y。例如:

CREATE TABLE <tablename>
"x" float,
"y" float,
"price" float,
.
.
<rest of columns>
.
.
PRIMARY KEY("x","y"));  

现在，由于特定 x 值的数据存储在一起，因此在 x 列中查询变得非常高效。

对于需要一系列值(x> 价格范围)的查询，明智的做法是将它们存储为聚类列。

诚然，这会导致多次写入，因为 x 列和 y 列中的值必须跨两个表写入。 Cassandra 鼓励写入，因为在当今时代存储数据很便宜。本质上，在 Cassandra 中，您需要牺牲额外的写入速度来换取极快的读取速度。

因此，在设计数据模型之前，请考虑您最有可能执行的查询类型并进行相应的设计。