Cassandra数据建模

Question

因此，我正在设计这个数据模型来跟踪产品价格。

一个产品可以被多个用户关注，一个用户可以关注多个产品，因此这是一个多对多的关系。产品受到持续跟踪，但只有在与前一个价格不同的情况下，才会插入新的价格。

用户已经为他们关注的产品设置了价格上限，所以每次价格变化时，都会检查偏好，如果价格低于他们的价格，就会通知用户。

因此，最初我想到了以下产品模型：

​

​

然而，"subscriberEmails“是一个列表集合，可以处理多达65536个元素。但作为一个大数据解决方案，这是我们不想要的边界。因此，我们最终为此编写了一个单独的表：

​

​

因此，现在"usersByProduct“最多可以有20亿列，这很公平。用户偏好被存储在“地图”中，这也是有限的，但我们认为这是一个很好的最大数量的产品，以供用户遵循。

现在我们面临的问题是：

每次我们想要更新产品的价格时，我们都必须像这样进行查询：

INSERT INTO products("Id", date, price) VALUES (7dacedd2-c09b-46c5-8686-00c2a03c71dd, dateof(now()), 24.87);    // Example only

但是INSERT操作不接受除(如果不存在)以外的其他条件子句，这不是我们想要的。只有当价格与前一个不同时，我们才需要更新它，所以这迫使我们进行两个查询(一个用于读取当前值，另一个用于在必要时更新它)。

警局。UPDATE操作确实有IF条件，但这不是我们的情况，因为我们需要插入。

UPDATE products SET date = dateof(now()) WHERE "Id" = 7dacedd2-c09b-46c5-8686-00c2a03c71dd IF price != 20.3;    // example only 

Answer 1

不要试图在cassandra数据库上应用普通模型。它可能会起作用，但你会得到糟糕的性能和可伸缩性。

Cassandra数据建模的推荐方法是首先找出对数据库的读查询，并组织数据，使这些读操作成本更低。您可能需要在某种程度上复制写入，但这是可以的，因为在Cassandra中写入非常便宜。

对于您的特定用例，键查询似乎能够让所有用户对产品的价格变化感兴趣，因此您可以为此创建一个表，例如：

create table productSubscriptions ( productId uuid, priceLimit float, createdAt timestamp, email text, primary key (productId,priceLimit,createdAt) );

但是，因为您还需要知道用户的所有产品订阅，所以您都需要一个包含相同数据的用户键表：

create table userProductSubscriptions ( email text, productId uuid, priceLimit float, primary key (email, productId) )

有了这两个表，我猜您可以看到，所有主要查询都可以通过单行select完成，插入/删除也很简单，但需要同步修改这两个表。

显然，您需要更多地充实模式以满足您的全部需求，但这将为您提供一个关于如何考虑cassandra模式的示例。

条件更新问题

对于您的条件插入问题，最简单的答案是:如果您确实需要使用UPDATE (在CQL中update和insert几乎相同)，则使用update执行此操作，但这是一个非常昂贵的操作，因此请尽可能避免使用它。

对于您的用例，我会将您的产品表分成三部分：

create table products ( category uuid, productId uuid, url text, price float, primary key (category, productId) ) create table productPricingAudit ( productId uuid, date timestamp, price float, primary key (productId, date) ) create table priceScheduler ( day text, checktime timestamp, productId uuid, url text, primary key (day, checktime) )

products 表可以保存完整的目录，可以选择按类别拆分(因此，列出单个类别中的所有产品是单行选择)

productPricingAudit将有一个带有最新价格的插入，不管它是什么，因为这将允许您调试您可能遇到的任何定价问题

priceScheduler保存给定一天要进行的所有检查，按检查时间排序。每当调度程序运行时，它只需在单行上执行一次列范围查询。

使用这样的模式，您不必关心条件更新，只要更新产品价格，即使价格没有变化，也只需执行3次插入。

Answer 2

好的，我将尝试回答我自己的问题:在Cassandra中，除了“如果不存在”之外的条件插入在日期，句号是不受支持的。

最接近的是条件更新，但这在我们的场景中不起作用。所以只剩下一个简单的选择:应用程序端逻辑。这意味着您必须阅读前面的条目并对您的应用程序执行决策。明显的缺点是执行两次查询(一次SELECT和一次INSERT)，这明显增加了延迟。

然而，这很适合我们的应用程序，因为每次我们执行查询来将所有应该检查的商品排入队列时，我们也可以选择商品的urls及其当前价格。因此，检查最新价格的工人可以决定是否插入，因为他们有当前价格可供比较。

所以..。类似这样的查询将每X分钟执行一次：

SELECT id, url, price FROM products WHERE "nextCheckTime" < now();    

// example only, wouldn't even work if nextCheckTime is not part of the PK or index

这是在Cassandra集群上执行的一个非常昂贵的操作，因为它必须遍历默认情况下随机存储在不同节点中的所有行。另一个缺点是，我们需要一些关于产品和用户的高级和具体的统计数据。

因此，我们决定在这种特殊情况下，关系数据库将比Cassandra更好地为我们服务。

遗憾的是，我们保留了Cassandra的所有优势(快速插入、易于缩放、内置分片……)并着眼于MySQL集群或主从实现。