Database design 卡桑德拉规范化

我知道Cassandra中的规范化被认为是一种反模式，但如果它所暗示的存储需求太高，该怎么办

例如，我们目前有一个很大的“提要”表，分发给许多收件人，因此当前的模式类似于：

CREATE TABLE feed_items_duplicated(recipient_id int, feed_id timeuuid, 
   <data columns d1 to dn> 
  PRIMARY KEY ((recipient_id), feed_id);

问题是一个提要可以分发给数百个接收者，并且每一行都可能非常庞大，其中的每一行都重复了d1到dn列

为了满足存储需求，我们考虑了另一种选择

CREATE TABLE feed_items(recipient_id int, feed_id timeuuid, 
  PRIMARY KEY ((recipient_id), feed_id);
CREATE TABLE feed_data(feed_id timeuuid, <data columns d1 to dn> 
  PRIMARY KEY (feed_id);

所以问题1：执行上面的查询是不是一个好主意，因为它很可能会命中集群中的所有节点？与并行执行每个f1到fn的专用查询相比，它有多糟糕

另一种方法是为feed_数据表创建一个小范围（比如[1-20]）内的任意集群键，这样我们最多只能执行20个以下类型的查询：

SELECT * from feed_data where group_id = 1 and feed_id in (f1, f3, ...);
SELECT * from feed_data where group_id = 2 and feed_id in (f2, ...);

---

这种方法将每个查询限制为单个执行节点，但使用如此低的基数分区键，是否可以确保数据在节点之间均匀分布？

问题1：如果收件人可以接受可能的访问时间降低，那么值得一试。来自和nice的CQL查询中有许多关于“in”子句的建议和警告。我更愿意考虑的不是“in”查询

问题2：如果您的数据列[d1…dn]很小，并且彼此之间没有显著差异，那么我认为这不应该是一个问题。我认为数据项分组是一个好主意，如果它能给您带来数据重用能力的话。因此，您可以组织提要数据，如：feed1=bundle1+bundle2、feed2=bundle1+bundle3等，其中bundle1=data-item1+data-item2、bundle2=data-item3等

来自我自己：如果您不确定数据结构优化策略，那么可能值得尝试为您的提要数据引入某种逐出策略？像TTL或smth等。 因此，您可以让“实时”表保持原样，将过时的数据移动到更节省空间的存储中，甚至可以将其删除

SELECT * from feed_data where feed_id in (f1, f2, f3...);

SELECT * from feed_data where group_id = 1 and feed_id in (f1, f3, ...);
SELECT * from feed_data where group_id = 2 and feed_id in (f2, ...);