在卡桑德拉与一对多的人打交道

Question

鉴于以下简化的领域模型：

列车行程

• uuid
• 列车名称字符串(一天内唯一)
• 旅行日期
• ..。

旅程站

• uuid站
• 到达时间戳
• 出发时间戳
• ..。

通过这一关系：

• 1列车旅程有n个旅程站

对于此查询要求：

• 在一个给定的车站，的所有列车行程，包括所有的旅程站，在给定的时间范围内离开。

这个查询应该如何在Cassandra中建模？

我在想这样的事情：

CREATE TABLE departures_by_station (
    date_of_yourney date,
    train_name varchar,
    station uuid,
    arrival timestamp,
    departure timestamp,
    primary key((date_of_journey, station), train_name, departure)
);

SELECT * from departures_by_station 
WHERE date_of_journey = '2018-01-02' AND station = 'Paris' AND departure ...;

这将无法工作，因为它会导致部分列车旅程-所有旅程站，除了要求的一个是失踪的。更糟糕的是，到达和离开的时间可能会频繁变化。我不能用新的离开时间更新这个表，因为它是一个聚类键。

对如何解决这个问题有什么想法或建议吗？我想我在这里缺少一些基本的东西，但我对nosql世界非常陌生。

Answer 1

首先，它可能不是最优的解决方案(需要对分区大小等进行一些计算)。如果您可以使用TTL将“旧”数据过期，那么我想使用以下内容：

CREATE TABLE departures_by_station (
   station uuid,
   departure timestamp,
   train_name varchar,
   arrival timestamp,
   statitions list<uuid>
   primary key(station, departure, train_name)
);

在本例中，您将有所谓的“宽”分区--每个旅程站点都有一个分区，而且由于您将出发作为集群密钥，所以可以在其上进行范围搜索。但是，如果大量数据过期，则需要经常对表执行“修复”，以消除墓碑(删除标记)，因为这可能会影响读取性能。

此外，为了避免进行多次查找，您需要将沿途所有站点的信息放入每一行--我将其写为list<uuid>，但可以更好地将其建模为用户定义的类型，这样您就可以包含站点名称和其他信息。

您的代码还应该生成一个条目，为每个车站沿线的旅程，为特定的火车。

我建议在DS220 (数据建模)课程上学习DataStax学院。