我不断遇到这些术语：high cardinality并且low cardinality在Cassandra.
我不明白他们到底是什么意思。他们对查询有什么影响，什么是首选。请举例说明，因为这很容易理解。
问问题
3306 次
1 回答
19
X 的基数只不过是组成 X 的元素的数量。在 Cassandra 中，分区键基数对于分区数据非常重要。
由于分区键负责在整个集群中分布数据，因此选择低基数键可能会导致数据未分布的情况。
想象一下，您有一个包含20 个节点的集群存储评论——RF 为2。每个评论都有自己的投票，从 1 到 5。现在，由于您想通过投票轻松检索评论，您可能会倾向于选择投票作为分区键。
CREATE TABLE comments(vote int, content text, id uuid, PRIMARY KEY(vote, id));
在这种情况下，负责数据分发的唯一键是投票，它的基数非常低，因为它只能包含 5 个值（1、2、3、4、5）。这意味着，在最好的情况下，5 个不同的节点将成为 5 个不同分区的所有者（它们是“所有投票为 1 的评论”......“所有投票为 5 的评论”），再次在最好的情况下，有一个2、10 个不同节点的 RF 将保存您的数据。如您所见，您有一个 20 个节点的集群，在最佳情况下使用率不超过 50%。
数据分布非常重要，这就是分区键基数很重要的原因
HTH，卡罗
于 2014-08-03T06:14:32.390 回答