在卡桑德拉中建模多租户

Question

我有几个客户，每个客户都由一个“租户”代表

我想知道将这个概念建模的最佳方法是什么，我做了大量的研究，发现了这个课题：http://cassandra-user-incubator-apache-org.3065146.n2.nabble.com/Modeling-multi-tenanted-Cassandra-schema-td7591311.html

我知道有几种可能性

1. 租户提供一个密钥空间
2. 按租户划分的一个表（列族）
3. 一个字段代表所有表中的租户

我选择解决方案3，但我不确定是否有最佳模式以获得最佳性能

这是我的配置文件模式

CREATE TABLE profiles (
  id timeuuid,
  tenant text,
  email text,
  datasources set<text>,
  info map<text, text>,
  friends set<timeuuid>,
  PRIMARY KEY(id, tenant)
);

CREATE INDEX ON profiles(datasources);
CREATE INDEX ON profiles(email);

我的PARTITION KEY是唯一性的“id”，而CLUSTERING KEY是“tenant”。我的需要是能够尽快执行这些查询

SELECT * FROM profiles WHERE id = x
SELECT * FROM profiles WHERE tenant = x
SELECT * FROM profiles WHERE email = x
SELECT * FROM profiles WHERE datasources CONTAINS x

查询是可以的，但我想知道是否最好将“租户”作为分区键而不是“id”，并使用“id”作为集群键

CREATE TABLE profiles (
  ...
  PRIMARY KEY(tenant, id)
);

在我的应用程序中，“租户”始终是必填字段，因此以这种方式进行相同的查询不会有问题（但它是更快还是更慢？

SELECT * FROM profiles WHERE tenant = y
SELECT * FROM profiles WHERE tenant = y AND id = x
SELECT * FROM profiles WHERE tenant = y AND email = x
SELECT * FROM profiles WHERE tenant = y AND datasources CONTAINS x

奖励优势：能够按创建日期对配置文件进行排序（按 ID 排序）

使用租户作为分区键如果我理解得不错的话，Cassandra将在同一行中物理存储同一租户的所有元素，并且可能能够在该行中存储多达20亿个数据，在这种情况下，如果我的一个客户超过该数字，会发生什么情况？我还了解到，我们可以使用组合键，例如，将当前日期(20150313)放在键的第二部分，以便在一行中只对租户当天的所有新配置文件进行分组

CREATE TABLE profiles (
  ...
  date text,
  PRIMARY KEY((tenant, date), id)
);

但是使用该解决方案，查询不可能查询所有数据（查询中没有日期）。

正如您在我的模式中所看到的，我对“电子邮件”和“数据源”字段使用二级索引。但我在这里读http://www.datastax.com/documentation/cql/3.1/cql/ddl/ddl_when_use_index_c.html在一个返回少量结果（在我的例子中是一个）的大表上使用二级索引是一种糟糕的做法。在我的模式中，“datasources”是一个集合，包含例如facebookId、twitterId等

如果你有任何想法，我真的很感兴趣:)！我对卡桑德拉很陌生，如果有我不明白的地方，请告诉我

谢谢，

多诺万

Answer 1

使用 Cassandra 进行数据复制不是问题，因此您必须从查询开始考虑数据建模过程。

所以，我在想这样的事情：

CREATE TABLE profiles (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((id, tenant))
);

假设租户在应用程序级别是已知的，此模式将为您提供以下查询快速运行：

SELECT * FROM profiles WHERE id = x and tenant = y


CREATE TABLE profiles_emails (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((email, tenant))

);

SELECT * FROM profiles WHERE email = x and tenant = y


CREATE TABLE profiles_tenants (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((tenant, id))
);

SELECT * FROM profiles WHERE tenant = x and id = y

CREATE TABLE tenants (
   id timeuuid,
   tenant text,
   email text,
   datasources set<text>,
   info map<text, text>,
   friends set<timeuuid>,
   PRIMARY KEY((tenant, date))
 );

 SELECT * FROM profiles WHERE tenant = x and date < y 

或者你可以看看 http://www.datastax.com/documentation/cql/3.0/cql/cql_using/paging_c.html

对于基于“数据源”的搜索，您可以使用不同的系统，如elasticsearch或solr。或者如果集合的值有限，那么您可以为每个集合维护一个单独的表。

Cassandra 的写入操作速度很快，数据重复不是问题，因此您可以批量写入所有这些表。

您还必须考虑一致性级别，它对 READ 性能有影响。真的取决于您的用例。