Cassandra 中的数据建模，列可以是文本或数字

Question

我有 5 列的表。

    1. ID -  number but it can stored as text or number
    2. name - text
    3. date - date value but can stored as date or text
    4. time - number but it can stored as text or number
    5. rating - number but it can stored as text or number

我想找到哪种数据类型可以使我的表更快地写入。怎么找。那里有任何 Cassandra 压力 yaml 吗？

Answer 1

关于@BryceAtNetwork23 提供的答案，它将与 Cassandra 2.1 或 Cassandra 2.2 相同（但 Cassandra 3.0 可能是一个不同的故事，因为团队目前正在重写存储引擎，请参阅CASSANDRA-8099）。存储的数据仍然以二进制形式存储。

然而，还有更多要说的。并且您可能需要考虑存储的实际数据，以及您的项目需要实现的性能、每秒查询等。

根据这些目标或约束，一个有趣的方法是查看cassandra 上给定类型的序列化数据的大小。

• 如果数据是一个数字，例如longJava 中的 a 大小为 8 字节，则大小与 cassandrabigint类型匹配，这意味着序列化时没有相关成本，纯副本就可以。这还有一个好处，即密钥足够小，因此不会给cassandra 密钥缓存带来压力。

• 如果数据是一段文本，例如StringJava 中的 a，它在运行时以 UTF-16 编码，但在 Cassandra 中使用texttype 进行序列化时，则使用 UTF-8。UTF-16 总是每个字符使用 2 个字节，有时使用 4 个字节，但 UTF-8 节省空间，并且根据字符可以是 1、2、3 或 4 个字节长。

  这意味着有 CPU 工作来序列化此类数据以用于编码/解码目的。同样取决于文本，例如158786464563，数据将以 12 个字节存储。这意味着使用更多空间和更多 IO。

  注意 cassandra 提供ascii遵循 US-ASCII 字符集的类型，并且每个字符始终使用1 个字节。

• 如果数据是一个 UUID（一个 128 位的值），在 Java 中该UUID类型使用 2 longs，所以它是 16 个字节长，并且 Cassandra 也将它们存储为 16 个字节（它们使用 Java UUID 类型）。

同样，这始终取决于您的项目里程、目标是什么、现有限制。但这是我未受过教育的选择：

• 如果必须插入的数据总是在长范围内的数字[?9,223,372,036,854,775,808 ; +9,223,372,036,854,775,807]，我会得到一个bigint类型
• UUID 没问题
• 如果集群负载不高（比如每秒 100k 查询）并且空间不是问题，那么text这不是问题，但如果是，或者使用量可能会增长，我会text尽可能避免使用 key。

另一种选择是使用一种blob类型，即二进制类型，可以根据软件的业务以您想要的方式使用任何数据。这可以实现空间高效、IO 高效的存储，以及 CPU 高效。但是根据需要，可能需要在客户端代码中管理很多东西，例如排序、序列化、比较、映射等......