Data structures Cassandra NoSQL-域和页面的最佳数据结构

我从noSQL开始，看了一些很棒的教程和解释。然而，我仍然以关系的方式思考，这就是为什么我请求您的帮助

我有以下简单的关系模型，它存储域及其页面，并且能够保存页面标题和描述更新的历史记录

CREATE TABLE domain (
  id bigint(20) NOT NULL AUTO_INCREMENT,
  name TEXT,
  suffix TEXT,
  PRIMARY KEY (id)
) ENGINE=InnoDB;

CREATE TABLE page (
  id bigint(20) NOT NULL AUTO_INCREMENT,
  domainid bigint(20),
  url TEXT,
  PRIMARY KEY (id),
  FOREIGN KEY (domainid) REFERENCES domain(id)
) ENGINE=InnoDB;

CREATE TABLE page_update (
  id bigint(20) NOT NULL AUTO_INCREMENT,
  pageid bigint(20),
  updated TIMESTAMP,
  title TEXT,
  descr TEXT,
  PRIMARY KEY (id),
  FOREIGN KEY (pageid) REFERENCES page(id)
) ENGINE=InnoDB;

我想将此模型转换为CQL：

我应该创建非规范化的表页，并根据域后缀（.com、.net、.de、…）和名称将其分发到分区上。并设置聚类索引来更新时间

CREATE TABLE page (
  domain_name text,
  domain_suffix text,
  page_url text,
  page_title text,
  page_descr text,
  page_updated timestamp,      
  PRIMARY KEY ((domain_suffix, domain_name), page_updated)
);

然而，我不确定这是否最佳，因为

• 我必须为每次更新保留域名、后缀和页面url，所以会有很多重复
• 每次更新都将生成整行数据，而不是它的一部分
• 我想要其他表中的地址域或页面。例如，我有另一个表domain_technlogy，它将web技术分配给域

---

最佳结构会是什么样子？

对于cassandra，正确的建模方法是首先考虑SELECT查询，然后构建便于这些查询的表

您需要什么查询

您提供的架构：

CREATE TABLE page (
  domain_name text,
  domain_suffix text,
  page_url text,
  page_title text,
  page_descr text,
  page_updated timestamp,      
  PRIMARY KEY ((domain_suffix, domain_name), page_updated)
);

---

将允许您在知道后缀+域名的情况下查找url+title+descr，如果您知道

page\u updated

，则返回单个记录，或者返回由

page\u updated

订购的所有记录更新。这就是你需要做的吗？你只需要这么做吗？你使用

url

做什么

谢谢你的回复。我主要想检索单个记录（最后更新的页面）。但对我来说最关键的是另一个名为“link”的表。这个表存储实际的源页面和目标页面，我想列出给定目标页面链接中的所有记录。因此，您可以创建一个表，目标页面作为分区键，链接id作为集群键，源页面作为列