现场卡珊德拉分区关键策略

Question

我正在观看有关使用Cassandra的Uber实时位置存储的谈话，并对分区键感到好奇。我最初的思路是拥有以下字段：

• ride_id
• driver_id
• 时间戳
• 纬度
• 经度

对于分区键，我在以下各项之间:

< li >复合主键(ride_id，driver_id) < li >主键(ride_id) < li >主键(driver_id)

查询时，我想查询给定行程的位置数据，并可能查询给定驱动程序的位置数据。创建一个复合键有意义吗？我希望每个节点都有~100k行。我还可以有两个单独的重复数据表，但索引不同，这样我就可以根据索引进行查询。

在Uber的演讲中，他们提到他们使用uuid（我假设与司机或乘车相关）和时间戳的分钟偏移量作为分区键。这是更好的方法吗？

Answer 1

在Cassandra数据建模中，主要目标是为每个应用程序查询设计一个表。另一种说法是，表和应用程序查询具有一对一关系：一个应用程序查询映射到一个表。如果有10个应用程序查询，则需要设计10个表。

[编辑] -在评论中获得更多信息后更新了我的回答。

对于此应用程序查询：

我想查询给定行程的位置数据。

您希望该表按行程进行分区，这样看起来就像:

CREATE TABLE location_by_trip (
    trip_id text,
    trip_timestamp timestamp,
    latitude float,
    longitude float,
    driver text,
    passenger text,
    ...
    PRIMARY KEY (trip_id, trip_timestamp)
)

您可以在特定时间检索位置：

SELECT latitude, longitude
FROM location_by_trip 
WHERE trip_id = ?
  AND trip_timestamp = ?

然后，对于第二个应用程序查询:

...给定驾驶员的位置数据

表架构看起来几乎相同，只是表是按驱动程序分区的：

CREATE TABLE location_by_driver (
    driver text,
    trip_timestamp timestamp,
    latitude float,
    longitude float,
    trip_id text,
    passenger text,
    ...
    PRIMARY KEY (driver, trip_timestamp)
)

您可以在WHERE子句中使用驱动程序作为过滤器来查询该表:

SELECT latitude, longitude
FROM location_by_driver
WHERE driver = ?
  AND trip_timestamp = ?

如果您愿意，ID可以是UUID，但这完全取决于您。但请记住，您不需要创建人工 ID 来用作分区键，因为最好使用“自然键”。自然键的示例包括电子邮件地址、URL、完全限定的电话号码（包括国家/地区代码）。

如果需要多个列才能使分区键唯一，则只需要使用组合分区键。例如，电影可以共享相同的标题，因此我们通常建议添加发行年份以使其独特。如果你感兴趣，我在这篇文章中用例子更详细地解释了它——https://community.datastax.com/questions/6171/.

如果你是卡珊德拉的新手，看看datastax.com/dev.它有很多免费的动手教程，可以让你非常快速地学习关键概念，因为每个教程只持续几分钟。

卡珊德拉基础课程是一个很好的起点。数据建模教程对你来说也是一本好书。免费教程是交互式的，在你的浏览器中运行，所以不需要安装或配置任何东西。干杯！