这种时序数据vs sql server，Cassandra是个好选择吗？
考虑这种情况，我们收集金融市场数据（例如资金价格）并将其存储在sql表中。
正常情况下基金价格每天最多上涨一次，因此该表可以是:
FundId Date Price1 Price2
当我们想要一些数据时，一个简单的查询就可以了：
select Date, Price1, Price2 from FundPriceTable where Date between XX and XX
然而，随着我们收集的数据越来越多，上述查询性能开始下降。我们尝试了重新索引和刷新统计数据。问题是，当我们检索大量数据时（例如，获取1000只基金的10年历史），可能需要相当长的时间。
我想知道在这种情况下（根本没有加入），像Cassandra这样的系统会显示出任何性能优势（假设相同的硬件）吗？
我试图在卡桑德拉和sql服务器之间找到一些关于时间序列的基准文章，不幸的是没有找到任何东西。
共有1个答案
取决于您的模式。性能提升取决于您的分区键。在你的例子中:你可以按日或月分割你的数据。这个例子是按月份划分的:
fundPricesByDay (month int, timestamp timestamp, productId text, Price1 float, Price2, PRIMARY KEY(month, timestamp, productId))
如果需要第一个月和第三个月之间的所有数据，可以执行3个查询:
select * from fundPricesByDay where month = 1 AND timestamp > 60000;
select * from fundPricesByDay where month = 2;
select * from fundPricesByDay where month = 3 AND timestamp < 99999;
通过这三个查询，您将获得时间戳60000到99999之间的所有数据。但是您在不同的vNodes上执行所有的查询。这意味着每个节点必须处理的行数比sql少。它可以提升性能。多读一点关于Cassandra的工作原理，你就会明白如何提升你的牌桌。
您明确要求相同的硬件。也许没有性能提升。简单地对它进行基准测试。但在可扩展性和性能的结合上，Cassandra肯定会赢。SQL有其局限性(取决于硬件，集群是可能的，但实现起来很复杂，也有其局限性)，Cassandra在可伸缩性和性能方面没有这种局限性。(或者更好:当你有一个好的模式时，真的很难达到极限。)
-
这是选择排序吗？我认为这是泡泡排序，因为我使用的是（点）compareto。我在互联网上看不同的来源，所以我可以做一个。这是密码。
-
问题内容： 在回答这个问题时，我和其他一些人实际上认为是错误的，因为认为以下方法可行： 说一个有 背后的原因是什么 而有一个 要么 要么 是造成尺寸 退化的 原因吗？ 问题答案： 是对象dtype的2D数组，每行的第一个元素是一个列表。 是对象dtype的一维数组，其每个元素都是列表。 当您这样做时，NumPy不会对list的每个元素进行元素比较。它从中创建尽可能高维的数组，生成1D数组，然后广播
-
问题内容： 我目前正在一个项目中，该项目需要保留任何类型的对象（我们没有任何控制权的实现），以便以后可以恢复这些对象。 我们无法实现ORM，因为我们不能在开发时限制我们库的用户。 我们的第一个选择是使用Java默认序列化对其进行序列化，但是当用户开始传递同一对象的不同版本（属性更改的类型，名称等）时，恢复对象存在很多麻烦。 我们尝试使用XMLEncoder类（将对象转换为XML），但是发现缺少功能
-
我正在研究一个用于存储时间序列的卡桑德拉数据模型（我是卡桑德拉新手）。我有两个应用程序：日内股票数据和传感器数据。 库存数据将以一分钟的时间分辨率保存。七个数据字段构建一个时间框架：符号、日期时间、开盘、高位、低位、收盘、成交量 我将主要通过符号和日期来查询数据。例如，给我2013年1月1日到2013年1月31日之间按日期时间排序的AAPL的所有数据。cassandra查询的建议是查询整列。所以你
-
我有一个可以包含多个可选ID的类，该类将选择第一个可用ID并将其返回给调用方。像下面这样。 我想使用像map和orElse这样的可选方法，但在这种情况下，它会导致太多的嵌套。另外两个伪代码选项可能是。 有没有比我现有的方法更好的方法？我很想通过做香草isPresent（）检查来避免嵌套。