0

我的任务是在 Cassandra 中简单地建模。不过，我几乎完全来自 SQL 背景，但在弄清楚它时遇到了一些麻烦。

基本上，我们有一个订阅列表，我们会定期收听该更新。这可以是 RSS、JSON、ATOM、XML 等（取决于提要）。

我们要做的是定期检查每个提要中的新项目，将数据转换为几种格式（即 JSON 和 RSS）并将其存储在 Cassandra 存储中。

因此，在 RBDMS 中，结构类似于：

Feed:
feedId
name
URL

FeedItem:
feedItemId
feedId
title
json
rss
created_time

我很困惑如何在 Cassandra 中对数据进行建模以促进简单的事情，例如按创建的降序获取特定提要的 x 数量的项目（这可能是最常见的查询）。

我听说过一种策略提到有一个复合键存储，在这个例子中，created_time 作为一个基于时间的 UUID 和提要项 ID，但我仍然有点困惑。

例如，假设我有一系列行，其键基本上是 feedId。在每一行中，我存储了上面提到的一系列列。问题是，实际数据到哪里去了（即 JSON、RSS、标题）？我是否必须将该“记录”的所有数据存储为列值？

我想我混淆了宽行和窄（短？）行，因为我喜欢复合键的想法，但我也想在每条记录中存储其他数据，我不知道如何将两者融合在一起......

4

2 回答 2

1

您可以将所有内容存储在一个列族中。但是，如果每个 FeedItem 的数据非常大，您可以将每个 FeedItem 的数据拆分为另一个列族。

例如，Feed 可以有 1 个列族，该键的列是 FeedItem id，类似于，

Feeds  # column family
   FeedId1  #key
      time-stamp-1-feed-item-id1   #columns have no value, or values are enough info
      time-stamp-2-feed-item-id2   #to show summary info in a results list

Feeds 列可让您快速获取 Feed 的最后 N 项，但查询 Feed 的最后 N 项不需要获取每个 FeedItem 的所有数据，要么不获取任何数据，要么仅获取摘要。

然后你可以使用另一个列族来存储实际的 FeedItem 数据，

FeedItems # column family 
    feed-item-id1 # key
        rss   # 1 column for each field of a FeedItem
        title # 
        ...
于 2013-03-03T22:02:51.020 回答
1

根据您的 SQL 背景，使用 CQL 应该更容易理解。

Cassandra（和一般的 NoSQL）速度非常快，使用相关表作为提要并没有真正的好处，而且无论如何您将无法进行 JOIN。显然，如果您愿意的话，您仍然可以创建两个表，但是您必须在应用程序代码中管理链接数据。

你可以使用类似的东西：

CREATE TABLE FeedItem (
  feedItemId ascii PRIMARY KEY,
  feedId ascii,
  feedName ascii,
  feedURL ascii,
  title ascii,
  json ascii,
  rss ascii,
  created_time ascii );

在这里，我对所有内容都使用了 ascii 字段。您可以选择对 feedItemId 或 created_time 使用不同的数据类型，可用的数据类型可以在此处找到，并且根据您使用的语言和客户端，它可以是透明的，也可以需要更多的工作才能使其正常工作。

您可能想要添加一些二级索引。例如，如果您想从特定的 feedId 中搜索 feed 项目，例如：

SELECT * FROM FeedItem where feedId = '123';

创建索引：

CREATE INDEX FeedItem_feedId ON FeedItem (feedId);

排序/排序，唉，这在 Cassandra 中并不容易。也许在这里和这里阅读可以为您提供一些从哪里开始寻找的线索，而且这实际上取决于您要使用的 cassandra 版本。

于 2013-03-06T11:28:48.850 回答