Cassandra中一个用例的数据模型设计方法

我需要以下用例的最佳方法

我有'Device'表，只有一个分区Id:'Device'，我有另一个表'DeviceStatistics'分区Id:'deviceId'，因此此表的分区数与设备数相同，这意味着每个设备每分钟都会收集一次统计数据

CREATE TABLE device(
   "partitionId" text,"name" text,"deviceId" text, ..., primary key ("partitionId","name","deviceId"));

其中partitionId-它是一个常量“设备”

CREATE TABLE deviceStatistics (    
"deviceId" text,     
"timestamp" timestamp, ...,
primary key ("deviceId","timestamp")) with clustering order by ("timestamp" DESC);

其中'deviceId'-是分区键，每个分区下都有时间戳条目列表

在这之前一切都很好，因为我只需要以下问题

1) select * from device where partitionId = 'device'
   - which list all the devices available. 
2) select * from deviceStatistics where deviceId = 'deviceId_1'
   - which list all the device statistics for a deviceId
3) select * from deviceStatistics where deviceId = 'deviceId_1' LIMIT 1
   - which gets the most recent statistics for a deviceId 

现在我需要以下用例的解决方案

我需要收集群集级别的统计信息，这意味着我需要收集时间戳的所有设备统计信息

i、 e如果4个设备的deviceStatistics可用于时间戳，那么我需要收集时间戳和插件设备组级别的所有四个统计信息

这意味着my DeviceGroupstatistics是时间戳的所有设备统计信息的聚合

现在的问题是，因为我有'deviceId'作为deviceStatistics表的分区ID，所以我需要执行这个查询select*from deviceStatistics，其中deviceId='deviceId'限制1用于所有deviceId。 假设我有1000台设备，那么我需要每分钟为所有1000台设备触发这个查询

---

有更好的设计吗

我建议使用单独的表，其中时间戳是分区键，设备ID是集群键。时间戳的粒度可能取决于您的应用程序-例如，将秒数舍入到分钟，或者类似的东西

---

您可以实现存储应用程序中的数据（首选），也可以使用物化视图，但它们是实验性的，并不总是推荐使用。

Alex Ott的建议是一种良好的做法：在另一个表中复制数据，并使用时间戳桶日、时、分、秒，具体取决于作为分区键的输入速度，和deviceid作为第一个集群列，具体取决于您的查询

差不多

PRIMARY KEY (bucket, device_id, timestamp ... etc)

选择合适的存储桶大小很重要：根据几篇文章，cassandra中的分区不应该超过100MB左右

如果您每分钟收集一次统计数据，则1000台设备和100字节数据记录的日存储桶将导致 1440 24x60 x设备的nbr 1000 x记录大小100分区大小 =>每个分区144000000字节 这听起来不错，但是你必须用你的数据进行估计和测量，这是一个粗略的计算

如果您必须查询七天，您将不得不在查询中添加IN子句，有限数量的条款10被视为一个批次，或者执行多个查询，但它们会很快…：

最好的

---

Alain

谢谢你的建议，但问题是“我根据我的查询设计了表”如果我将时间戳保留为分区键，那么分区会太多，并且此查询也会受到影响：选择*from deviceStatistics，其中deviceId='deviceId_1'和timestamp from somevalue to timestamp to somevalue当前我我正在寻找查询框devicegroupstatistics，当设备数量增加时，它对我来说变得越来越复杂。我需要收集每个deviceId在最后一分钟的统计信息，这会增加查询量，但当前的表设计满足此查询：选择*from deviceStatistics，其中deviceId='deviceId_1'和timestamp from somevalue to timestamp to somevalue我相信上面的解决方案是构建第三个以timestamp作为分区的表键和设备ID作为群集列。写入表deviceStatistics_by_timestamp和deviceStatistics_by_deviceId。根据分区键是什么来读取相应的表。@dilsingi-是的，你是正确的-这是我的建议-要么显式编写，要么创建物化view@AlexOtt谢谢你的解决方案。这真是明智的谢谢你的解释