作为时间系列商店的Cassandra

Question

我正在考虑使用Cassandra作为时间序列存储。我有数百万个序列，每个序列都有大约10K间隔均匀的连续点。有些序列虽然有几千个点或更少。它们可能在不同的点开始和结束，但都共享相同的时间。我访问数据序列

1. 垂直：预定义的分区（例如一年中的所有天），我需要所有的行
2. 水平：特定系列的所有值（随机）

我正在考虑两种选择。首先，我可以每次只使用一列，例如，建议用于监控系统（但我有不同的访问模式）。其次，每个分区使用一个列表列。

我担心读取性能（第二个用例更关键）和存储开销。我确实找到了以下公式：
total_column_size=column_name_sizecolumn_value_size15在这里

我认为这将使第一个选项在存储方面非常昂贵。我找不到列表存储布局的任何文档。你知道吗？还有其他建议吗？

顺便说一句，我正在使用python作为卡桑德拉的客户，如果这有什么不同的话。

Answer 1

“存储是便宜的”通常是这里的哲学。如果您有2个查询模式，并且您看起来是这样的，那么将所有内容存储两次：一次按所需的垂直方向划分（按时间按外观划分），另一次按您选择的系列划分。如果你不知道如何提前划分你的系列（从问题中看不清楚），那么它就会变得更加复杂。Cassandra在按顺序阅读时是顺序的，这是你应该使用它的唯一方式。

您有大约X0bn个点，这比您的平均DB大，但并不接近荒谬，特别是当分布在一个集群上时。鉴于我不知道数据点的宽度，很难给出一个准确的数字，但如果这些只是标量值，那么这将只是2TB左右的数据。