Cassandra：低基数分区

Question

假设我有一张桌子，像这样：

CREATE TABLE Users (
  user UUID,
  seq INT,
  group TEXT,
  time BIGINT,
  PRIMARY KEY ((user), seq)
);

这遵循了所需的Cassandra模式，跨分区分布良好（假设默认的Murmur3哈希分区器）。

但是，我也需要（很少）按时间顺序执行范围查询。这在Cassandra中似乎是不可能的。实际上，我确实需要按组访问数据，所以（group， time）是可以接受的。由于似乎没有办法让辅助索引有多个列，我想正确的做法是将其反规范化，如下所示：

CREATE TABLE UsersByGroupTime (
  user UUID,
  seq INT,
  group TEXT,
  time BIGINT,
  PRIMARY KEY ((group), time)
) WITH CLUSTERING ORDER BY (time ASC);

除了< code>group基数很低，比方说< code>('A '，' B '，' C')，并且在用户之间分布不均匀之外，这完全按照它应该的方式工作。由于对该表的查询很少，所以我不担心热节点，但我担心不均匀的分布，甚至可能是单个节点得到全部。

这是一种常见的情况吗？有没有办法缓解这种情况，或者有其他解决方案？

Answer 1

帮助避免卡桑德拉时间序列模型中出现热点的一种技术是使用“时间桶”。从本质上讲，您要做的是确定“快乐中等”水平的时间精度，该水平提供了足够的数据分布，同时也是已知的和半方便查询的。

出于这个示例的目的，我将选择年和月(“yyyyMM”)。注意:我不知道年和月对你是否合适...这只是一个例子。一旦您确定了您的时段，您可以将它添加为一个附加的分区键，如下所示:

CREATE TABLE UsersByGroupTime (
  user UUID,
  seq INT,
  group TEXT,
  time TIMEUUID,
  yearmonth BIGINT,
  PRIMARY KEY ((group, yearmonth), time)
) WITH CLUSTERING ORDER BY (time DESC);

插入一些行后，类似这样的查询将会起作用:

aploetz@cqlsh:stackoverflow2> SELECT group, yearmonth, dateof(time), time, seq, user 
FROM usersbygrouptime WHERE group='B' AND yearmonth=201505;

 group | yearmonth | dateof(time)             | time                                 | seq | user
-------+-----------+--------------------------+--------------------------------------+-----+--------------------------------------
     B |    201505 | 2015-05-16 10:04:10-0500 | ceda56f0-fbdc-11e4-bd43-21b264d4c94d |   1 | d57ba8a4-db24-440c-a983-b1dd6b0d2e27
     B |    201505 | 2015-05-16 10:04:09-0500 | ce1cac40-fbdc-11e4-bd43-21b264d4c94d |   1 | 66d07cbb-a2ff-4d56-8fa1-14dfaf684474
     B |    201505 | 2015-05-16 10:04:08-0500 | cd525760-fbdc-11e4-bd43-21b264d4c94d |   1 | 07b589ac-4d5f-401e-a34f-e3479e269e01
     B |    201505 | 2015-05-16 10:04:06-0500 | cc76c470-fbdc-11e4-bd43-21b264d4c94d |   1 | 984f85b5-ea58-4cf8-b512-43abacb227c9

(4 rows)

现在，这可能会也可能不会帮助您进行查询，因此您需要花一些时间来确保选择适当的时间范围。但是，这在环中的数据分布方面确实有帮助，您可以通过令牌函数看到这一点：

aploetz@cqlsh:stackoverflow2> SELECT group, yearmonth, token(group,yearmonth)
FROM usersbygrouptime ;

 group | yearmonth | token(group, yearmonth)
-------+-----------+-------------------------
     A |    201503 |    -3784784210711042553
     A |    201504 |     -610775546464185720
     B |    201505 |     6232834565276653514
     B |    201505 |     6232834565276653514
     B |    201505 |     6232834565276653514
     B |    201505 |     6232834565276653514
     A |    201505 |     8281745497436252453
     A |    201505 |     8281745497436252453
     A |    201505 |     8281745497436252453
     A |    201505 |     8281745497436252453
     A |    201505 |     8281745497436252453
     A |    201505 |     8281745497436252453

(12 rows)

请注意如何为每个组/年月对生成不同的令牌，即使其中一些具有相同的组（“A”）。