卡桑德拉数据的实时建模

Question

我目前有一个应用程序，该应用程序将事件驱动的实时流数据保存到列族中，该列族是这样建模的：

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

每accountId每X秒发送一次数据，所以每次接收事件时我们都会覆盖现有的行。这些数据包含当前的实时信息，我们只关心最近的事件(对旧的数据没有任何用处，这就是为什么我们在一个已经存在的键上插入)。从应用程序用户端-我们查询一个select by account_id语句。

我想知道是否有更好的方法来模拟这种行为，我正在研究Cassandra的最佳实践和类似的问题(如何为时间序列、服务器度量建模Cassandra DB)。

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，每次插入也将使用TTL (可以是几分钟的TTL )。

的问题是，如果说是第二个数据模型，它比第一个模型更好。据我所知，主要的优势在于读取--因为数据是按时间排序的，我所需要做的只是简单的。

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

在第一个数据模型中，Cassandra实际上读取覆盖相同键的所有行，然后按其写时间戳选择最后一行(如果我错了，请纠正我)。

谢谢。

Answer 1

首先，我鼓励您查看有关阅读路径。的正式文档

数据是按时间排序的

这仅在第二个例子中是正确的，当Cassandra读取单个SSTable和MemTable时(查看流程图)。

Cassandra实际上读取覆盖相同键的所有行，然后用其写时间戳选择最后一行。

这发生在合并单元格上，在文档中的时间戳步骤中(再次检查流程图)。注意，在每个SSTable中，第一个例子中的行数是一个。

在这两种情况下，主要的驱动因素是在阅读期间需要检查多少SSTables。它在某种程度上独立于每个SSTable包含多少个记录。

但是在第二种情况下，SSTabes要大得多，这会导致更长的SSTable压缩时间。另外，TTL过期执行额外的写入。所以第一种情况比较好。