问题标签 [cassandra]

我正在用 Erlang 构建一个 Reddit 克隆。我正在考虑使用一些 erlang web 框架，但这不是问题。

我在选择数据库时遇到问题。

这个怎么运作;

我有多个专用的 reddit。例子，科学，有趣，企业，运动。您可以将它们视为子reddits。每个子 reddit 都有类别。

用户可以发布以下信息：

标题，类别标签，描述，类别， 未来日期，

并添加图片，链接。视频

与 Reddit 一样，用户将能够对故事和评论进行投票。评论也将有投票系统。

问题如何；

我不知道要使用什么 NoSQL 数据库，该站点将存在 Mysql 的可扩展性问题（相信我，它不会建议使用 sql）如果不是更多，将有大约 10,000-20,000 个并发连接。

现在我需要什么；

1) 用户将前往体育版块，

他们将希望查看所有带有Future Date的故事，例如 NFL 类别或 Soccer World Cup 类别，他们可能希望查看所有带有未来日期的故事，这些故事 表明即将到来的比赛或事件。

但是由于人们可能会发布废话，我需要说按未来日期排序，然后按超过 5 票的帖子过滤结果，然后我需要显示最近的即将发生的事件。

因此，如果周末有一场比赛，而下一场比赛又是 3 周，那么最接近的比赛需要首先出现。

2）所以上面的问题是使用一个数据库

1) 在 subreddit: Sport中查找所有帖子。2) 查找NFL类别中的所有帖子。3）查找所有具有未来日期的帖子。按大多数投票对这些帖子进行排序，并显示与今天最接近的故事。

我认为 couchdb 看起来是个不错的候选人，但我不确定

但是 Cassandra、Hbase、Riak、neo4j 呢？

我要疯了，想弄清楚这一点。

我需要能够扩展和处理大量用户的东西。

我可以在没有弹性 IP 地址的 EC2 实例上使用 cassandra 吗？我相信在这种情况下，任何失败的实例都会产生问题。

如果我为 cassandra 节点使用弹性 IP 地址，我必须对它们进行配置，以便它们使用公共 IP 地址进行内部通信（八卦等）。但这会增加网络延迟。

请建议我应该如何配置我的节点以使问题最小化。

有没有办法在 Cassandra 中获取单个列族的行数（键数）？get_count 只能用于获取列数。

例如，如果我有一个包含用户的列族并且想要获取用户数。我怎么能做到？每个用户都是它自己的行。

我正在尝试考虑 Python API 如何查找像 Cassandra 这样的大型数据存储。R、Matlab 和 NumPy 倾向于使用“一切都是矩阵”的公式，并分别执行每个操作。该模型已被证明对可以放入内存的数据有效。然而，SAS 对大数据的好处之一是它逐行执行，在移动到下一个之前完成所有行计算。对于像 Cassandra 这样的数据存储，这个模型似乎是一个巨大的胜利——我们只循环数据一次。

在 Python 中，SAS 的方法可能类似于：

这是（太？）明确的，但具有只循环一次的优点。对于较小的数据集，与 NumPy 相比，性能会非常差，因为函数没有使用编译代码进行矢量化。在 R/Numpy 中，我们会得到更简洁和编译的：

这将非常快速地执行，因为log并且ifelse都是对向量进行操作的编译函数。然而，一个缺点是我们将循环两次。对于小型数据集，这无关紧要，但对于 Cassandra 支持的数据存储，我看不出这种方法是如何工作的。

问题：有没有办法保留第二个 API（如 R/Numpy/Matlab）但延迟计算。也许通过在最后调用一个同步（数据）函数？

另类的想法？维护 NumPy 类型语法会很好，因为用户将使用 NumPy 进行较小的操作，并且可以直观地掌握它的工作原理。

Cassandra 的首页http://incubator.apache.org/cassandra/指出：

Cassandra 保证读取和写入在单个 ColumnFamily 中是原子的。

这到底是什么意思呢？
听起来这意味着同一CF中两个不同行的batch_insert（）和batch_mutate（）是原子的，如果其中一行的操作失败，则整个操作将失败。但这听起来好得令人难以置信……这是正确的吗？

我们正在着手构建一个在线平台（API、服务器、数据、Wahoo！）。对于上下文，假设我们需要构建类似 twitter 的东西，但评论（推文）是围绕现场活动组织的。有关实时事件本身的信息必须尽可能快且一致地交付给客户，而有关事件的评论可能需要等待更长的时间才能交付。现场活动结束后，我们将阅读大量内容。

可扩展性非常重要。我们想从租用 VPS 切片开始，并从那里扩展。我是云的忠实粉丝，并希望尽可能长时间地呆在那里。我们可能会使用红宝石。

我确信我想尝试使用文档存储而不是 RDBMS。我喜欢无模式存储的想法以及通过关注键值来更容易扩展的承诺。

问题是我不知道哪种技术最适合我们的平台。我查看了 Couch、Mongo、Tokyo Cabinet、Cassandra 和带有斑点文档的 RDBMS。为这项特定工作选择合适的工具有什么帮助吗？

我正在寻找一个最终一致的数据存储，看起来它可能会归结为 Riak 或 Cassandra。有没有人对此有看法？

如何使用Net::Cassandra创建超级列或将其关联到 Perl 中的列？

How can i get the keys of the column having sex = male. Using the php library from http://wiki.apache.org/cassandra/ClientExamples

For example my keys are

0,1,2

key: 0 { column( name:age, value:24), column( name:sex, value:female) }

key: 1 { column( name:age, value:24), column( name:sex, value:female) }

key: 2 { column( name:age, value:26), column( name:sex, value:male) }

我们正在研究使用 Cassandra 来存储来自各种来源的信息流。

我们面临的一个问题是在两个日期之间进行查询的最佳方式。

例如，我们需要检索 datetime dt1 和 datetime dt2 之间的对象。

我们目前正在考虑将创建的 unix 时间戳作为指向实际对象的键，然后使用 get_key_range 进行查询以检索？

显然，如果两个项目具有相同的时间戳，这将不起作用。

一般来说，这是在 noSQL 存储中执行日期时间的最佳方法吗？