我正在尝试为用户数据库建模。这些用户有各种生命统计数据：年龄，性别，身高，体重，头发颜色等。
我希望能够编写这样的查询：
让所有用户5＆＃39; 1＆＃34;至6＆＃39; 0＆＃34;高大的红头发，体重超过100磅
或
让所有6岁以下的用户成为＆＃39; 0＆＃34;年龄31-37岁，有黑头发
如何对数据进行建模以进行这些查询？让我们假设这个数据库将容纳数十亿用户。我无法想到一种方法，它不会要求我在非常少的节点上发出许多请求或集群数据。
编辑：
再多一点背景，让我们假设这个思想问题是建立一个约会网站。该网站应允许用户根据上述标准（年龄，性别，身高，体重，头发等）过滤人。这些过滤器是可选的，您可以拥有任意数量的过滤器。该网站拥有20亿用户。这可以通过单独的数据建模来实现吗？
如果我理解正确的话 如果我有20亿用户并且我创建了第一个答案中提到的两个表（假设男性和女性的性别选择，金色，棕色，红色的头发颜色），我会，为第一个表，放在如果每个人都有金发，一个节点上的大多数20亿条记录。最佳案例场景，三个节点上有2/3亿条记录。在第二种情况下，我将在最佳情况下在每个节点上放置2/5亿条记录，并且具有相同的最坏情况。我错了吗？分区键不应该比这更独特吗？
答案 0 :(得分：2)
因此，如果您尝试在Cassandra中为数据建模，那么一般规则是您需要为每个查询创建一个表。您可以过滤查询的内容也有很大的限制。如果你想了解一些限制我建议你看一下这篇文章：
http://www.datastax.com/dev/blog/a-deep-look-to-the-cql-where-clause
或我在这里的长篇答案：
cassandra - how to perform table query?
以上所有内容仅适用于运行提前知道的固定查询的情况。相反，如果你想要对你的数据进行某种分析分析（听起来你可能会这样），那么我会将Spark与Cassandra一起使用。这将为您提供快速的工具来进行内存中的数据处理。如果您考虑使用Datastax（社区或企业），那么Spark还有一个连接器，可以轻松地从Cassandra读取和写入数据。
使用附加信息进行编辑 基于查询“让所有用户5'1”到6'0“身高，红头发，体重超过100磅”，您需要建立一个表格如下：
CREATE TABLE user_by_haircolor_weight_height (
haircolor text,
weight float,
height_in int,
user varchar,
PRIMARY KEY ((haircolor), weight, height_in)
);
然后您可以通过以下方式查询：
SELECT * from user_by_haircolor_weight_height where haircolor='red' and weight>100 and height_in>61 and height_in<73;
对于查询“获得所有6岁以上男性用户”的年龄为31-37岁并且有黑发“你需要建立一个类似的表
PRIMARY KEY ((haircolor, sex), height_in, age)
最后，如果你要做的是对你存储在cassandra表中的数据执行ad-hoc或一组数量分析（即可能比直接CQL查询有更多延迟），那么我建议你看看使用Spark。如果你需要一些更实时的东西来处理临时查询，你可以看看使用Solr在你的桌子上执行Lucene驱动的搜索。
答案 1 :(得分：0)
我的建议是：
1）保持主表具有适当的分区键，以便在群集中分布数百万条记录，这里不使用任何会跨越2gb等行密钥限制的簇列，
2）根据查询模式，您可以更好地创建其他表（如索引），以便在其中保留反向索引数据。 coz写便宜。
3）使用多个查询来获取所需内容。
4）最后一个选项是，使用DSE solr搜索功能。
答案 2 :(得分：0)
重申对话的结束：
＆＃34;您的理解是正确的，并且您说明分区键应该更加独特。每个分区的最大大小为2GB，但实际限制较低。在实践中，您希望将数据分区为上表中较小的块。鉴于您的示例中的查询的临时性质，我认为您不能仅通过数据建模来实际执行此操作。我建议在表上使用Solr索引。这将为您提供强大的搜索功能。如果您使用Datastax，您甚至可以通过CQL＆＃34;
进行查询Cassandra 单独不适合在非常大的数据集中进行这种的复杂过滤。