Database design 什么'；设计卡桑德拉数据模型的最佳实践是什么？

要避免的陷阱是什么？你有什么交易中断吗？例如，我听说导出/导入Cassandra数据非常困难，这让我怀疑这是否会妨碍将生产数据同步到开发环境

顺便说一句，很难找到关于卡桑德拉的好教程，我仅有的一本还是很基础的

---

谢谢。

对我来说，最重要的是决定是使用OrderedPartitioner还是RandomPartitioner

如果使用RandomPartitioner，则无法进行范围扫描。这意味着您必须知道任何活动（包括清理旧数据）的确切密钥

---

因此，如果你有大量的搅动，除非你有某种神奇的方法知道你为哪些键插入了东西，否则使用随机分区器你很容易“丢失”东西，这会导致磁盘空间泄漏，最终会消耗所有的存储空间

另一方面，您可以询问有序分区器“在A和B之间的列族X中我有哪些键”？-它会告诉你的。然后你可以把它们清理干净

然而，也有不利的一面。由于Cassandra不进行自动负载平衡，如果您使用有序分区器，很可能所有数据都将只在一个或两个节点中结束，而在其他节点中没有，这意味着您将浪费资源

对此，我没有任何简单的答案，除非在某些情况下，您可以通过在密钥开头添加一个简短的散列值（您可以从其他数据源轻松枚举的内容）来获得“两全其美”，例如用户ID的16位十六进制散列，它将为您提供4个十六进制数字，然后是你真正想用的钥匙

然后，如果你有一个最近被删除的用户列表，你只需要散列他们的ID和范围扫描来清除任何与他们相关的内容

下一个棘手的问题是二级索引-Cassandra没有任何索引-因此，如果需要按Y查找X，则需要在两个键下插入数据，或者使用指针。类似地，当这些指针指向的东西不存在时，可能需要清理这些指针，但在此基础上没有简单的查询方法，所以你的应用程序需要记住

应用程序错误可能会留下您已经忘记的孤立密钥，并且您将无法轻松检测它们，除非您编写一些垃圾收集器，定期扫描数据库中的每个密钥（这将需要一段时间，但您可以分块执行），以检查不再需要的密钥

这些都不是基于实际使用情况，只是我在研究中发现的。我们在生产中不使用卡桑德拉

编辑：Cassandra现在在主干中有二级索引。

另一个教程在这里：

你有什么交易中断吗？ 不一定是交易破坏者，但要注意一些事情

客户端连接到最近的节点（它应该事先知道该节点的地址），与通过它代理的所有其他Cassandra节点的所有通信。 A.读/写流量在节点之间分布不均匀-有些节点代理的数据比它们自己承载的数据多 B如果节点宕机，客户端将无能为力，无法读取或写入集群中的任何位置

尽管卡桑德拉声称“写作永远不会失败”，但他们确实失败了，至少在说话的时候是这样。如果目标数据节点变得迟钝，请求超时并写入失败。节点无响应的原因有很多：垃圾收集器启动、压缩过程，等等… 在所有这些情况下，所有写/读请求都会失败。在传统的数据库中，这些请求会相应地变慢，但在Cassandra中，它们只是失败了

有多重获取，但没有多重删除，也不能截断ColumnFamily

如果一个新的空数据节点进入集群，则来自密钥环上一个相邻节点的部分数据将仅被传输。这会导致数据分布不均匀和负载不均匀。您可以通过将节点数量增加一倍来解决这个问题。您还应该手动跟踪令牌并明智地选择它们

---

这太长了，无法作为评论添加，因此为了澄清问题列表中的一些误解，请回复：

任何客户端都可以连接到任何节点；如果您选择的第一个节点（或通过负载平衡器连接到的节点）出现故障，只需连接到另一个节点即可。此外，还提供了一个“胖客户端”api，客户端可以在该api中自行指导写操作；一个例子是

当服务器没有响应而不是无限期地挂起时超时是大多数处理过重载rdbms系统的人所希望的特性。Cassandra RPC超时是可配置的；如果您愿意，您可以将其设置为几天，然后处理无限期绞刑的问题。：）

的确，目前还没有对多重删除或截断的支持，但目前正在审查这两个方面的补丁

显然，在保持集群节点之间的负载平衡方面有一个折衷办法：您试图保持负载平衡的程度越高，您将进行的数据移动就越多，这不是免费的。默认情况下，Cassandra集群中的新节点将移动到令牌环中的最佳位置，以最小化不均匀性。在实践中，这已经被证明是有效的，而且集群越大，加倍的效果就越不理想。这一点在本文中有更多介绍

---

我认为这值得更新，因为卡桑德拉1.2最近发布了

在过去的18个月里，我一直在使用卡桑德拉制作社交游戏

我的想法是，你必须利用卡桑德拉的优势。因此，很好地理解它的作用和方式，有必要查看要使用的数据模型，甚至确定另一个DB解决方案是否对您更有用

OrderedPartitioner非常有用