考虑到性能，是否建议使用 Cassandra 用户定义的数据类型？

Question

我有一个 Cassandra 客户表，用于保存客户列表。每个客户都有一个地址，它是标准字段的列表：

{
   CustomerName: "",
   etc...,
   Address: {
              street: "",
              city: "",
              province: "",
              etc...
            }
}

我的问题是，如果此表中有 100 万个客户，并且我使用用户定义的数据类型 Address 来保存 Customers 表中每个客户的地址信息，这种模型的含义是什么，特别是在磁盘空间方面。这会非常昂贵吗？我应该使用地址用户定义的数据类型还是扁平化地址信息，甚至使用单独的表？

Answer 1

基本上，在这种情况下，Cassandra 会将地址实例序列化为 Blob，该 Blob 存储为单列，作为客户表的一部分。我手头没有任何关于序列化将在磁盘或 CPU 使用率上增加多少的数字，但它可能不会对您的用例产生很大的影响。您应该测试这两种情况以确定。

编辑：我还应该提到的另一个方面：将 UDT 作为单个 blob 处理意味着要替换任何更新的完整 UDT。这比更新单个列的效率要低，并且是导致不一致的潜在原因。在并发更新的情况下，两个写入可能会覆盖彼此的更改。请参阅CASSANDRA-7423。

Answer 2

使用 Cassandra 5，在我们的测试场景中，我们比较了带/不带 UDT 的表模式。 UDT 版本：

• 多使用约 12% 的磁盘空间
• 写入/读取吞吐量提高 31%
• cassandra 节点上的 CPU 负载减少 18%

所以我确实认为差异可能足够大。 不过，我也建议您为自己进行基准测试，因为您的里程可能会有很大差异。

为了完整起见，这里是我们比较的架构规范：

键空间

CREATE KEYSPACE smmv
  WITH replication = {'class': 'NetworkTopologyStrategy', 'xxx': '3'}
  AND durable_writes = true;

桌子

没有UDT

CREATE TABLE smmv.sm1 (
    meter_id uuid,
    year tinyint,
    time timestamp,
    sensor_value1 bigint,
    ... same for 2-11
    sensor_value12 bigint,
    PRIMARY KEY ((meter_id, year), time)
) WITH CLUSTERING ORDER BY (time ASC)

使用UDT

create type smmv.mv_udt (
    v1 bigint,
    ... same for 2-11
    v12 bigint
);

create table smmv.udt1 (
    meter_id UUID,
    year tinyint,
    time timestamp,
    measurement FROZEN<mv_udt>,
    PRIMARY KEY ((meter_id, year), time)