Cassandra数据建模：选择分区键和组合键

Question

我正在尝试使用Cassandra进行数据建模，我对应该选择什么作为分区键和组合键感到困惑。我的表格如下所示

CREATE TABLE mykeyspace.mytable ( 
id UUID,
A text,
B text,
C text,
D text,
... other columns
PRIMARY KEY(id)
);

我在表中引入了一个id列，并将其作为主键，因此使用id进行查询的速度更快。

我面临的问题是一组列（A，B，C，D）唯一地标识数据，每当我执行插入操作时，我都想避免重复和搜索一组列（A，B，C ，D）可能很昂贵，因为它不是我的主键的一部分。

我随机生成ID，尽管我的一种方法是对4列进行哈希处理，但是它可以解决复制问题，但是我对如果开始对ID进行哈希处理时如何分配数据表示怀疑。

[我虽然将（A，B，C，D）用作聚类键的其他方法，所以我的主键现在看起来像((id), A,B,C,D)，并且在插入之前使用聚类键来防止重复，但是我不确定如何高效的搜索仅使用聚类键？上述哪种数据建模方法更合适，或者还有其他方法？

Answer 1

如果您最关心的是数据完整性（没有重复），则除了将（A，B，C，D）用作主键之外，您别无选择。关于选择那些列的哪个子集作为分区键，有一些注意事项。其中之一是，为了获得更好的可伸缩性，您希望在分区之间大致均匀地分布数据。因此，如果D只能有2个值，其中一个用在99％的行中，请不要使D成为唯一的分区列。另一个注意事项是您要如何查询数据。如果您希望能够按列子集进行查询-例如，按（A，B，C）和（B，C，D）查询，则您的分区键选择仅限于B或C，或者（B，C）。