Question

Cassandra中这两种表有什么区别？

第一：

    CREATE TABLE data (
    sensor_id int,
    collected_at timestamp,
    volts float,
    volts2 float,
    PRIMARY KEY (sensor_id, collected_at,volts )
)

和第二：

    CREATE TABLE data (
    sensor_id int,
    collected_at timestamp,
    volts float,
    volts2 float,
    PRIMARY KEY ((sensor_id, collected_at),volts )
)

我的问题：

这两张桌子有什么区别？
我们何时使用第一张表，何时使用第二张表？

Answer 1

区别在于主键。 Cassandra主键分为（分区键，聚类键）。

分区键决定寄存器在环内的位置，而Clustering确定如何存储具有相同分区键的寄存器，以利用查询中列的磁盘排序。

第一张表：

Sensor_id是您的分区键，因此您知道具有相同 sensor_id 的每个寄存器将转到同一节点。
您有两个聚类键，gather_at和volts字段，因此具有相同sensor_id的数据将按照collect_at字段的升序排序，而具有相同sendor_id的数据，gather_at字段将按伏特字段按升序排序。

第二张表：

您将拥有一个复合分区键（sensor_id，gather_at），因此您知道具有相同 sensor_id和gather_at 的每个寄存器将转到同一节点。
您的群集密钥为伏特，因此具有相同数据（sensor_id，gather_at）的数据将按伏特按升序排序。

想象一下，您为同一个sensor_id拥有数十亿个寄存器。使用第一种方法，您将它存储在同一节点中，因此可能会耗尽空间。如果您使用第二种方法，则必须使用精确的sensor_id和gather_at时间戳进行查询，因此可能没有意义。因此，在Cassandra建模中，您必须知道在创建模型之前要执行哪些查询。

Answer 2

第一个表仅对sensor_id上的数据进行分区。这意味着，每个sensor_id下面的所有数据都存储在同一个数据分区中。哈希标记值sensor_id还确定数据分区中存储的群集中的哪个节点。每个分区中的数据按collected_at和volts排序。

第二个表使用sensor_id和collected_at上的复合键来确定数据分区。每个分区中的数据按volts排序。

当我们使用第一张桌子和使用第二张桌子的时候？

由于您必须在查询中传递所有分区键，第一个表提供了更多查询灵活性。也就是说，您可以决定仅在sensor_id上进行查询，然后您可以选择是否还要collected_at然后volts进行查询。在第二个表格中，您有来sensor_id和collected_at进行查询。因此，您的查询灵活性较低，但您可以从第二个模型中获得更好的数据分发。

实际上，对时间戳（第二个表）值进行分区通常不是很有用，因为在执行查询之前必须有准确的时间戳。通常，您在分区键中使用时间戳组件时看到的是一种称为“日期分段”的技术，在该技术中，您将使用精度较低的内容（如月或日）。这样，您仍然可以查询整个月/日或任何存储桶。

嵌套括号在PRIMARY KEY定义中表示什么

2 个答案: