摘要：本文通過(guò)一個(gè)簡(jiǎn)單的實(shí)例詳細(xì)介紹了Cassandra數(shù)據(jù)建模的五個(gè)步驟。以下是譯文。

我們最近在Instaclustr發(fā)表了一篇有關(guān)在Cassandra中經(jīng)常出現(xiàn)的數(shù)據(jù)建模錯(cuò)誤的文章。這篇文章非常受歡迎，并促使我思考如何設(shè)計(jì)出高質(zhì)量的Cassandra數(shù)據(jù)模型，以避免在設(shè)計(jì)的過(guò)程中掉入陷阱。

在互聯(lián)網(wǎng)上，你可以找到很多有關(guān)適配數(shù)據(jù)模型設(shè)計(jì)規(guī)則和設(shè)計(jì)模式的優(yōu)秀文章，例如：Apache Cassandra數(shù)據(jù)建模指南和數(shù)據(jù)建模優(yōu)秀實(shí)踐 。

然而，我們并沒(méi)有一個(gè)詳細(xì)的操作步驟來(lái)指導(dǎo)你對(duì)數(shù)據(jù)進(jìn)行分析，并適配相應(yīng)的規(guī)則和模式。但這份白皮書(shū)正嘗試著填補(bǔ)這方面的空白。

這個(gè)階段有兩個(gè)步驟，這兩個(gè)步驟都是為了更好地理解你正在建模的數(shù)據(jù)和所需的訪問(wèn)模式。

定義數(shù)據(jù)域

第一步是深入理解數(shù)據(jù)域。作為一個(gè)非常熟悉關(guān)系數(shù)據(jù)建模的人，我傾向于通過(guò)繪制ER圖來(lái)理解這些實(shí)體、主鍵和互相之間的關(guān)系。但是，如果你熟悉另一種標(biāo)記法，你也可以用一下試試。你需要在邏輯層面理解以下關(guān)鍵點(diǎn)：

數(shù)據(jù)模型中的實(shí)體（或?qū)ο螅┦鞘裁矗?/p>

實(shí)體的主要關(guān)鍵屬性是什么？

實(shí)體之間有哪些關(guān)系（即從一個(gè)到另一個(gè)的引用）？

關(guān)系的相對(duì)基數(shù)是多少（例如，假設(shè)存在一對(duì)多的關(guān)系，那么平均是1對(duì)10，還是1對(duì)10000）？

定義所需的訪問(wèn)模式

下一步，弄清楚你自己需要如何訪問(wèn)數(shù)據(jù)：

列出需要訪問(wèn)數(shù)據(jù)的路徑，例如：

以客戶(hù)ID為索引，在某個(gè)日期范圍內(nèi)搜索交易記錄，然后從搜索結(jié)果中搜索特定交易的詳細(xì)信息。按某個(gè)特定的服務(wù)器和度量標(biāo)準(zhǔn)搜索，檢索x度量值，按年齡升序排列。

按某個(gè)特定的服務(wù)器和度量檢索，從特定時(shí)間點(diǎn)開(kāi)始檢索x度量值。

對(duì)于給定的傳感器，檢索給定日期的多個(gè)度量的所有讀數(shù)。

對(duì)于給定的傳感器，檢索當(dāng)前值。

請(qǐng)記住，對(duì)記錄的任何更新操作都是一個(gè)訪問(wèn)路徑，都需要仔細(xì)考慮。

從性能的角度來(lái)確定哪些訪問(wèn)最關(guān)鍵。是否有一些訪問(wèn)需要盡可能快的速度，而其他一些訪問(wèn)則需要花一定的時(shí)間進(jìn)行多次讀取或在一定范圍內(nèi)進(jìn)行檢索？

請(qǐng)記住，在這個(gè)階段，你需要非常全面地了解如何訪問(wèn)數(shù)據(jù)，在Cassandra的性能、可靠性和可伸縮性之間做出權(quán)衡。

這個(gè)階段有兩個(gè)具體的步驟，旨在了解與數(shù)據(jù)相關(guān)的主要和次要實(shí)體。

確定主要訪問(wèn)實(shí)體

現(xiàn)在，我們開(kāi)始從分析數(shù)據(jù)域和應(yīng)用需求轉(zhuǎn)為開(kāi)始設(shè)計(jì)數(shù)據(jù)模型了。在進(jìn)入這個(gè)階段之前，你需要把上面兩個(gè)步驟的工作做得扎實(shí)一點(diǎn)。

這一階段主要的想法是根據(jù)你所使用的訪問(wèn)模式將數(shù)據(jù)去規(guī)范化到盡可能少的表中。對(duì)于每一次按鍵進(jìn)行的查詢(xún)，需要有一張表來(lái)滿(mǎn)足查詢(xún)需求。我創(chuàng)造了一個(gè)術(shù)語(yǔ)“主要訪問(wèn)實(shí)體”來(lái)描述用于查詢(xún)的實(shí)體（例如，按客戶(hù)ID進(jìn)行的查找將使用客戶(hù)表作為主要訪問(wèn)實(shí)體，按服務(wù)器和度量名稱(chēng)的查找將使用服務(wù)器-度量實(shí)體作為主要訪問(wèn)實(shí)體）。

主要訪問(wèn)實(shí)體定義了去規(guī)范化結(jié)果表的分區(qū)級(jí)別（即表會(huì)為每個(gè)主要訪問(wèn)實(shí)體的實(shí)例提供一個(gè)分區(qū)）。

你可以選擇使用二級(jí)索引來(lái)滿(mǎn)足一些訪問(wèn)模式，而不是使用不同的主要訪問(wèn)實(shí)體來(lái)實(shí)現(xiàn)數(shù)據(jù)復(fù)制。請(qǐng)記住，包含在輔助索引中的列應(yīng)比被索引的表的基數(shù)更低，并且你要對(duì)索引值的更新頻率了如指掌。

對(duì)于上面舉的訪問(wèn)模式的例子，我們將定義以下主要訪問(wèn)實(shí)體：

客戶(hù)和交易（從客戶(hù)實(shí)體獲取交易清單，然后從交易實(shí)體查找交易詳情）

服務(wù)器-度量

傳感器

傳感器

分配次要實(shí)體

下一步是尋找一個(gè)地方用來(lái)存儲(chǔ)那些沒(méi)有被選為主要訪問(wèn)實(shí)體的實(shí)體數(shù)據(jù)（這些實(shí)體被稱(chēng)為次要實(shí)體）。你可以這樣做：

通過(guò)從一對(duì)多關(guān)系的父級(jí)次要實(shí)體獲取數(shù)據(jù)并在主要訪問(wèn)實(shí)體級(jí)別存儲(chǔ)它的多個(gè)副本（例如，將客戶(hù)的電話(huà)號(hào)碼存儲(chǔ)在客戶(hù)的訂單記錄中）。

通過(guò)從一對(duì)多關(guān)系的子次要實(shí)體獲取數(shù)據(jù)并通過(guò)使用聚集鍵或通過(guò)使用多值類(lèi)型（列表和映射）將其存儲(chǔ)在主要訪問(wèn)實(shí)體級(jí)別上（例如，將記錄項(xiàng)列表添加到交易表中）。

對(duì)于一些次要實(shí)體，只有一個(gè)相關(guān)的主要訪問(wèn)實(shí)體，所以不需要選擇在哪個(gè)方向推入數(shù)據(jù)。對(duì)于其他實(shí)體，你需要選擇將數(shù)據(jù)推入哪些主要訪問(wèn)實(shí)體。

為了獲得最佳的讀取性能，需要將數(shù)據(jù)副本推送到用作次要實(shí)體中數(shù)據(jù)訪問(wèn)路徑的每個(gè)主要訪問(wèn)實(shí)體中。