Reddit中使用的Cassandra数据库模式是什么？

Question

Reddit目前正在将其数据库从PosgreSQL迁移到Apache Cassandra.有人知道Reddit在Cassandra中使用了什么数据库模式吗？

Answer 1

我也不知道确切的 Reddit 模式，但对于您想要存档的内容，您的方法是正确的，将评论层次结构保存在基于文档的数据库而不是关系数据库中。我建议为每个根评论保留一份文档，然后将所有子评论（以及子评论的子评论）添加到该评论中。

在 CouchDB 和 MongoDB 中，您可以直接存储 JSON 文档。在 Cassandra 中，我会将 JSON 保存为 String。所以数据结构只有

root-comments
{
    root-comment-id
    root-comment-json-string
}

每个 root-comment-json-string 看起来像这样：

{
comment : "hello world"
answers : 
[
    {
    comment : "reply to hello world"
    answers : 
    [
        {
        comment : "thanks for the good reply"
        answers : []
        },
        {
        comment : "yes that reply was indeed awesome"
        answers : []
        }

    ]
    }

]
}

另外，您可能想在每个评论的结构中添加用户名、用户 ID、时间戳等。

如果您有大量数据，那么与规范化关系结构相比，这种“非规范化”结构将使查询速度非常快。

在任何情况下，您都必须处理所有异常，当您为大用户规模实现这样的系统时可能会发生这种情况，例如。如果有人用评论 B 回复评论 A，但同时（或稍后）评论 A 被删除，会发生什么情况？

如果您在互联网上搜索“cassandra 分层数据”，您会发现一些其他方法，但它们都会回到标准化，或者对于“无限”层次结构来说并不完整。