问题标签 [column-family]

我们目前正在研究 Cassandra 作为大型时间序列系统的数据库。

我已阅读https://academy.datastax.com/resources/getting-started-time-series-data-modeling关于在 Cassandra 中建模时间序列数据的信息。

我们拥有的是来自许多气象站的高速时间序列数据。每个气象站都有许多“传感器”，每个传感器收集三个指标：温度、湿度和光线。

我们正在尝试将每个系列存储为宽行。但是，我们希望在项目的整个生命周期内每个站点获得数十亿个读数，因此我们希望限制行大小。

我们希望每个 都有一行(weather_station_id, year, day_of_year)，即每天都有一个新行。但是，我们仍然希望分区键是weather_station_id- 也就是说，我们希望一个站的所有读数都在同一个节点上。

我们目前有以下架构，但我想得到一些反馈。

在上述文档中，他们利用了这种“按日期限制分区行”的概念。但是，我不清楚他们示例中的日期是否是分区键的一部分。

在我们的 Cassandra 表中，每次我们更改“集合类型”列的数据类型时，都会引发问题。例如：

为了将数据类型从 更改为text，Map<text,float>我们这样做：

• 删除现有列
• 等待 cassandra 吸收这种变化。
• 添加列（相同名称）但不同的数据类型。

这在所有节点中都反映得很好，但是 Cassandra 日志在压缩期间开始抱怨：

RuntimeException: 6d6...73 未定义为集合

我发现表中的comparator条目不正确"system.schema_columnfamilies"。删除表并重新创建它可以解决问题，但并非总是可行。

当我们在上述情况下处理集合类型列时，是否有一些最佳实践？

数据库版本：DataStax-Enterprise：4.7.1 Cassandra 2.1.8.621
cqlsh 5.0.1

通过 ops-center 和 nodetool cfstats 我能够找到一个键空间表的分区之一是 560 Mb，但找不到那个分区。我们如何追踪表的哪个分区那么大？

我是 Cassandra 和列族数据库世界的新手。我有一个场景，我需要将数据从一个列族数据库（如Scylla数据库）移动到另一个列族数据库Datastax Cassandra。要传输的数据量将达到数百万。而且我希望这种数据传输在定期的时间间隔内发生，比如说 2 分钟。我正在探索 sstableloader 选项。还没有运气。对于我的情况，还有其他更好的方法吗？任何建议将不胜感激。

I have the following piece of code:

The printf is never hit.

However, if I change the Put line to:

Meaning, removing the column family handle, I'm getting the line printed fine.

I'm guessing the iterator API should take the column family into account, but I couldn't find any documentation.

在我的应用程序中，每个线程负责将数据写入一个列族，这些线程可能不会同时启动，但它们可能会同步写入数据。

我确实想使用命令 nodetool repair -st starting_token -etending_token 逐个修复列族。由于列族中的每一行都有不同的令牌值范围，有没有办法在CQL中获得该单个列族所拥有的不同令牌范围？

我正在尝试将数据从 CSV 文件导入 HBase 表。但是我在导入过程中遇到了下面显示的异常。

我相信这与高于默认大小的数据长度有关。如何通过终端增加 HBase 列的列族大小？任何帮助将非常感激。

我有一个可操作的 cassandra 集群，在单个数据中心模式下安装了 apache Cassandra 3.7 的 tarball。

CQLSH 问题： 当我描述列族时，我看到列名正确显示，但是当我在表上进行选择时，我看到所有列名都以“u”为前缀：

当我插入记录并进行选择时，插入的值也以'u'为前缀。我做了几次尝试，每个相关链接似乎都指向 python 问题。

我当前的 python 版本：Python 2.7.11 :: Anaconda 4.0.0（64 位），我做了一个pip install cassandra-driver为 Cassandra 驱动程序安装任何缺少的依赖项。这并没有解决问题。

非常感谢任何帮助。我花了很多时间来解决这个问题，并希望我能在这里得到一些答案:)

我正在为从不同来源生成的数据开发 Hbase 存储。通常，来自同一来源的列更有可能同时被检索到。预期的写入/读取比率大致在 1/10 到 1/100 之间（取决于不同的来源）。

所以我有两个选择：

• 多列族：只需创建一个表和多个列族，同一来源的每种数据将形成一个列族。
• 多个表：为每个源创建一个表（具有一个列族）。

以上是我的一些理解，如有错误请指正。

• 多表解决方案适用于动态添加新源。而多列系列解决方案可能会有停机时间。
• 如果不同来源的rowkey具有不同的分布（例如，int user_id vs image GUID）或基数，也​​许最好拆分成不同的表？
• 我们可能有一些要求来同时从不同来源检索同一行键的列。这样，多列族可能会更快（不确定）？

在做出决定之前有什么建议或者我需要考虑任何其他因素吗？有没有典型案例多表/多列族优于其他？

谢谢