Cassandra分区密钥组织

Question

我正在尝试将以下结构存储在卡桑德拉中。

ShopID, UserID , FirstName , LastName etc....

上面的大多数查询是

select * from table where  ShopID = ? , UserID = ? 

这就是为什么将（ShopID，UserID）设置为主键很有用的原因。

根据docu，Cassandra的默认分区键是主键的第一列-在我的例子中是ShopID，但我想在Cassandr集群上均匀分布数据，我不能允许一个ShopID中的所有数据只存储在一个分区中，因为有些商店有10M条记录，有些只有1k条记录。

我可以设置（ShopID， UserID）作为分区键，然后我可以达到Cassandra集群中记录的统一分布。但是之后我不能接收属于某个shop id的所有用户。

select * 
from table 
where ShopID = ?

很明显，此查询需要对整个群集进行完全扫描，但我没有任何可能这样做。它看起来像是非常硬的约束。

我的问题是如何重新组织数据来同时解决这两个问题(统一的数据分区，进行全扫描查询的可能性)。

Answer 1

Cassandra 中的每个节点负责一些代币范围。Cassandra 使用哈希从行的分区键派生令牌，并将记录发送到令牌范围包含此令牌的节点。不同的记录可以具有相同的令牌，并且它们分组在分区中。为简单起见，我们可以假设每个 cassandra 节点存储相同数量的分区。我们还希望分区的大小相等，以便在节点之间均匀分布。如果我们的分区太大，这意味着我们的一个节点需要更多的资源来处理它。但是，如果我们将其分解为多个较小的节点，我们就会增加它们在所有节点之间均匀分布的机会。

然而，节点之间令牌范围的分布与分区之间的记录分布无关。当我们添加一个新节点时，它只是承担来自其他节点的令牌范围的偶数部分的责任，结果是偶数个分区。如果我们有2个节点有3 GB的数据，添加第三个节点后，每个节点存储2 GB的数据。这就是为什么可扩展性不受分区的影响，添加新节点后不需要更改历史数据。

Answer 2

一般来说，您需要使用户id成为集群列，并在保存期间向您的表和分区键添加一些人工信息。它允许将一个大的自然分区分解为多个合成。但是现在您需要在读取期间查询所有合成分区以组合回自然分区。所以目标是在合成分区的数量（大小）和读取查询之间找到合理的权衡来组合所有这些分区。

对可能实现的全面描述可以在这里和这里找到(例2:用户组)。

当通过日期类型的聚类列执行查询/排序/分组时，还可以查看解决方案（示例3：按加入日期进行用户分组）。如果您也有类似的查询，这可能很有用。