表定义/分区/建模

Question

每个最终用户都与站点进行交互：查看产品、将产品添加到购物车和购买产品（我们称之为用户事件）。我想存储最近30天（或180天，如果可能的话）的活动。

需要考虑的事情：

>

站点大小不同！我们有一些“重”网站有10M的最终用户，但我们也有一些“轻”网站有几百/几千个用户。

事件没有唯一的ID。

用户一次可以有多个事件，例如，他们可以查看包含多个产品的页面（但为了简化，我们可以不受此限制）。

粗略估计：100个客户x 1000万最终用户x 100个交互=100,000,000,000行（每月）

实时写入（当事件到达服务器时）。读操作要少得多（占事件的1%）。

事件有更多的元数据和不同的事件（查看/购买/..）具有不同的元数据。

使用Keyspace在站点之间进行分隔，并管理每个站点的表和一个表中的所有客户。

这里怎么定义键？

+--------+---------+------------+-----------+-----------+-----------+
| siteId | userId  | timestamp  | eventType | productId | other ... |
+--------+---------+------------+-----------+-----------+-----------+
|      1 | Value 2 | 1501234567 | view      | abc       |           |
|      1 | cols    | 1501234568 | purchase  | abc       |           |
+--------+---------+------------+-----------+-----------+-----------+

Answer 1

我的查询是：获取特定用户的所有事件（及其元数据）。正如我上面所假设的，大约有100个事件。

因此，您需要给定用户的所有事件。由于每个用户在站点上都有唯一的id，因此可以使用userid和site_id作为主键，并使用timestamp作为集群键来形成表。下面是表结构：

    CREATE TABLE user_events_by_time (
         userid bigint,
         timestamp timestamp,
         event_type text,
         product_id bigint,
         site_id bigint,
         PRIMARY KEY ((site_id,userid), timestamp)
    ) WITH CLUSTERING ORDER BY (timestamp DESC) ;

现在，您可以使用以下查询查询给定时间内用户的所有事件：

SELECT * from user_events_by_time WHERE site_id= <site_id> and userid = <user_id> and timestamp > <from_time> and timestamp < <to_time>;