Cassandra - 数据建模时间序列 - 避免“热点”？

Question

我正在使用Cassandra数据模型来存储用户上传的记录。

潜在的问题是，一些用户可能在5分钟内上传50-100k行，这可能导致分区键（user_id）的“热点”。 （如果每个分区超过10k行，则Datastax建议重新考虑数据模型。）

如何在短时间内避免在分区键上记录太多？

我尝试使用Time Series suggestions from Datastax，但即使我有年，月，日，小时列，也可能会出现热点。

CREATE TABLE uploads (
    user_id text
   ,rec_id timeuuid
   ,rec_key text
   ,rec_value text
   ,PRIMARY KEY (user_id, rec_id)
);   

用例是：

• 按user_id
获取所有上传记录
• 按日期范围搜索上传记录 范围

Answer 1

一些可能的想法：

1. 使用复合分区键而不仅仅是user_id。分区键的第二部分可以是从1到n的随机数。例如，如果n为5，那么您的上传将分布在每个用户的五个分区上，而不是一个。缺点是当你进行读取时，你必须重复n次以读取所有分区。

2. 使用rec_id作为分区键，有一个单独的表来处理传入的上传。这将在所有可用节点上平均分配上载的负载。然后，使用user_id作为分区键将数据放入表中，定期运行spark作业以提取新的上载，并以单个分区可以处理的速率将它们添加到基于user_id的表中。

3. 修改前端以限制单个用户上传记录的速率。如果只有少数用户以足够高的速率上传以引起问题，则可能更容易限制它们而不是修改整个架构。