Cassandra 卡桑德拉：在使用TWCS时，是否仍然需要手动扣扣？

我正要开始探索Cassandra（长期）保存时间序列（只写一次）数据，这可能会变得相当大

假设可能是最简单的时间序列：

CREATE TABLE raw_data (
    sensor uuid,
    timestamp timestamp,
    value int,
    primary key(sensor, timestamp)
) WITH CLUSTERING ORDER BY (timestamp DESC)

为了确保分区不会增长太多，互联网上的许多帖子都建议使用bucketing，例如介绍day或只是一个向上计数的bucket数字，如

primary key((sensor, day, bucket), timestamp)

。然而，这些策略需要手动管理，这似乎相当麻烦，尤其是对于未知数量的桶

但是，如果我说添加：

  AND compaction = {
     'class': 'TimeWindowCompactionStrategy', 
     'compaction_window_size': 1, 
     'compaction_window_unit': 'DAYS'
  };

如前所述，例如：

TWCS旨在通过创建时间窗口的SSTABLE存储桶来简化DTC，这些SSTABLE存储桶使用大小分层压缩策略相互压缩

---

据我所知，这意味着Cassandra在内部使用TWCS时无论如何都会创建只读存储桶。因此，我想知道是否仍然需要手动实现bucketing键

day

？

bucket的目的是阻止分区变得过大。如果没有bucket，分区的增长是无限的——也就是说，为特定传感器收集的数据越多，分区就越大，没有极限

仅更改压缩策略不会阻止分区的增长，因此您仍然需要存储桶

（您写了“Cassandra在内部使用TWCS时创建只读存储桶”。不要将其与“存储桶”列混淆。同一个词用于两个完全不同的事情。）

---

另一方面，如果要在数据上设置TTL，那么这将有效地限制分区的大小，因为比TTL旧的数据将（最终）从磁盘中删除。因此，如果TTL足够小，您将不再需要桶。在这个特定的场景中，按顺序收集时间序列数据和TTL，然后TWCS是最佳的压缩策略。

处理桶列真的不太麻烦。最大的不便是，如果您想查询所有存储桶中最早或最新的时间戳，您实际上无法做到这一点。对于所有其他查询，只需对每个bucket执行一个查询（可以并行运行）并将结果缝合在一起。在Python中，使用itertools.chain是非常简单的。从_iterable（）嗯，如果我说定义的动态bucket（取决于大小），只是不知道insight值是多少呢？我想我必须将桶数存储在另一个表中，才能查询所有桶数？