围绕电子邮件系统的Cassandra数据建模

我需要数据建模的帮助，因为我还没有找到一个资源来解决同样的问题

该用户案例类似于电子邮件系统。我想存储用户收到的所有电子邮件的时间线，然后用三种不同的方式将其取回：

所有收到的电子邮件

用户已阅读的邮件

用户尚未阅读的邮件

我当前的模型如下所示：

CREATE TABLE TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    read boolean,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

CREATE INDEX ON TIMELINE (userID, read);

我需要支持的查询有：

SELECT * FROM TIMELINE where userID = 12;
SELECT * FROM TIMELINE where userID = 12 order by timestamp asc;
SELECT * FROM TIMELINE where userID = 12 and read = true;
SELECT * FROM TIMELINE where userID = 12 and read = false;
SELECT * FROM TIMELINE where userID = 12 and read = true order by timestamp asc;
SELECT * FROM TIMELINE where userID = 12 and read = false order by timestamp asc;

我的问题是：

我是否应该继续阅读作为我的第二索引，因为它将经常更新，并可能创建墓碑-根据它的一个问题

我们可以对二级索引进行不等式检查吗？因为我发现二级索引上至少应该存在一个等式条件

如果这不是正确的建模方法，请建议如何支持上述查询。维护三个不同的表让我担心插入的数量（对于已读/未读），因为每天查看的用户*电子邮件数量将是巨大的

您的索引（userID）具有很高的基数-您可能希望将其作为第二（或第三）个CF进行管理，以便手动与应用程序同步

也许像

CREATE TABLE READ_TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

CREATE TABLE UNREAD_TIMELINE (
    userID varchar,
    emailID varchar,
    timestamp bigint,
    PRIMARY KEY (userID, timestamp)
) WITH CLUSTERING ORDER BY (timestamp desc);

这使您能够满足以下查询：

SELECT * FROM READ_TIMELINE where userID = 12;
SELECT * FROM UNREAD_TIMELINE where userID = 12;
SELECT * FROM READ_TIMELINE where userID = 12 order by timestamp asc;
SELECT * FROM UNREAD_TIMELINE where userID = 12 order by timestamp asc;

也就是说，您使用order BY的自然聚类顺序，并且您可以通过一个简单的批处理（一次删除，一次插入）将电子邮件从未读移动到已读

---

现在，当您标记电子邮件已读时，未读表中可能会有很多墓碑。将GCGS设置为较低并使用频繁压缩可能会有所帮助，但您也可能希望将这些分区拆分，以避免出现TombstoneOverlming问题。如果有数千封电子邮件飞来，请标记为read。

回答得好，Jeff。我也在想同样的事情。这里有一个不应该忽视的潜在墓碑问题，但我认为这可能是正确的方向。@JeffJirsa谢谢你的回答和解释。我还有一个问题：要呈现一个所有电子邮件的时间线-我会在cassandra上触发两个查询，然后进行内存合并，对吗？不-你会对时间线表执行一个查询，如果你需要WHERE子句中的读取状态，只使用READ_时间线和UNREAD_时间线。@JeffJirsa Ok得到了。因此，我们为单个用户维护三个不同的时间表。谢谢如果实施后有更多问题，将返回。