面向大数据仓库的非关系型数据库设计

Question

假设我需要为Spotify设计一个表，在那里我需要快速检索用户已经购买的项目(歌曲或专辑)，以便为用户播放。场景很简单:当用户点击购买歌曲时，数据库需要将购买的特定歌曲快速更新到用户帐户。

由于它确实需要近乎实时的响应，并且表可能呈指数级增长，另一方面，访问格式非常简单和固定，因此为此用例设计了一个非关系数据库。这就是为什么我在考虑使用HBase、Cassandra或MongoDB。

我想使用UserId作为这个采购表的主键，宽列存储(HBase或Cassandra)或文档数据库(如MongoDB )在这种情况下工作得更好吗？

输入只是一个user_id和数据库表响应，其中包含所有可用的已购买商品。最好的数据库表设计策略是什么？

{user_id:int
   {purchased_item: item1
                    item2
                    item3
   }
}

第二个表将用于搜索可供购买的特定艺术家、专辑、流派和歌曲。

如果您能分享任何来自真实应用程序的最佳实践示例，我将不胜感激。或者任何我能读到的好文章/文档/博客。

Answer 1

如果你正在考虑接近实时，我肯定会考虑使用Cassandra，特别是对于历史详细的存储！

我使用Cassandra会做的事情是：

创建购买表( user_id uuid，purchase_id uuid，item_id uuid，item_details text，item_name text，time_of购买时间戳，主键((User_id)，purchase_id，item_id))；

这将允许您以多种方式对数据进行聚类，首先使用user_id，然后使用purchase_id来记录每次购买的所有商品！

通过使用由Partition key、user_id、clustering、purchase_id和item_id组成的主键，我们可以先对purchase_id中的项进行分组，然后再对user_id中的项进行分组。

https://cassandra.apache.org/doc/latest/data_modeling/intro.html https://docs.datastax.com/en/landing_page/doc/landing_page/current.html