Data structures Cassandra DB：为每行多个标准编制索引是有利的还是不受欢迎的？

最近我读了很多关于Cassandra的书，特别是如何构造行以利用索引/排序，但有一件事我还不清楚；列族（CF）行中应包含多少“索引”项（或过滤器，如果需要）

具体来说：我正在构建一个应用程序，并将使用Cassandra归档日志数据，我将使用这些数据进行分析

分析搜索的示例类型包括（按日期范围）：

• 特定现场部分的总访问量
• 按国家分列的访问总数
• 交通源

我计划以JSON格式存储整个日志对象，但为了避免为了获取基本数据而必须遍历每一项，或者为了获取基本数据而创建多个CF，我很想知道将上述“过滤器”作为列（复合列段）包含是否是一个好主意

例如：

   Row Key       | timeUUID:data | timeUUID:country | timeUUID:source |
                 ======================================================
timeUUID:section |  JSON Object  |       USA        |   example.com   |

从结构中可以看出，行键是timeUUID（比如每天）加上我想要获取统计数据的站点部分的复合键。这使我可以很容易地查询日期范围

接下来是我的困境，专栏。带有timeUUID的复合列名允许我进行排序和基于时间的切片，但是这个概念有意义吗

目前的“最佳实践”是否可以接受这种结构，还是不赞成这种结构？是否建议为我要查询的每个指标创建一个单独的“索引”CF？（即使是这么简单？）

---

我宁愿第一次就把这件事做好，而不必在以后重构数据和重构我的应用程序代码。

我认为这背后的想法没问题。这是一种非常常见的时间选择方法（假设我已经理解了您的模式——创建表片段就好了）。一些小的调整

您不需要使用timeUUID作为行键。考虑到您建议按个别天数进行分区（这本身是唯一的），您不需要UUID方面。时间戳可能很好，甚至更简单，格式为YYYYMMDD的varchar（或您喜欢的任何安排）

您可能还希望将行键组合切换到section:time。这样做的原因是，如果需要指定IN子句（即抓取多天），则只能在键的最后一部分执行。这意味着您可以在（..）中执行section='foo'和time。我想这是一个更常见的用例——但显然是你的决定

如果您的常见情况是查询最新的数据，请不要忘记按降序对timeUUID列进行集群。这使热柱保持在顶部

双重存储内容是可以的（即JSON有效负载一次，需要查询的数据再次非规范化）。储存很便宜

---

我认为您不需要索引，但这取决于您打算运行的查询。如果您的查询很简单，那么您可能希望按（日期：参数）而不是值来存储计数器，并在收到数据时增加计数器。

谢谢您的建议，非常有用。我也在考虑行键中的一个简单日期，但您对YYYYMMDD格式的建议非常好。此外，列复合键顺序；我对卡桑德拉显然是个新手，这个建议很有价值。