卡桑德拉反规范化数据模型

Question

我读到，在nosql（例如cassandra）数据经常存储非规范化。例如见SO回答或这website。

一个例子是，如果你有员工和部门的一列的家人和你想执行一个查询：select * from Emps where Birthdate = '25/04/1975' 然后，你必须做一个列族birthday_Emps并存储每个员工为一列的ID。因此，您可以查询生日_Emps家庭关键字'25/04/1975'，并立即获得该日期出生的所有员工的ID。您甚至可以将员工详细资料标准化为birthday_Emps，以便您立即拥有员工姓名。

这真的是这样做吗？

1. 每当员工被删除或插入时，您将不得不从employee_Emps中删除员工。在另一个例子中，有人甚至说，有时候你有一种情况，某个表中的某个删除需要在其他表中删除100个。这真的很常见吗？

2. 在应用程序代码中进行连接是否很常见？你有软件，允许你创建预先编写的应用程序来连接来自不同查询的数据吗？

3. 是否有处理这些数据模型问题的最佳实践，模式等？

Answer 1

大多数情况下，“采用基于查询的数据建模方法”确实是最好的方法。

1. 这仍然是一个好主意，因为查询时间的速度使它值得。是的，有更多的清理工作要做。我不必从其他专栏中执行100次删除操作，但偶尔会有一些复杂的清理工作要做。但是，无论如何，你不应该在Cassandra中做大量的删除操作（反模式）。

2. 否。客户端JOIN与分布式JOIN一样糟糕。整个想法是创建一个表来为每个特定的查询返回数据...非规范化和/或复制...因此否定完全需要进行JOIN。这是一个例外，如果您正在运行OLAP查询进行分析，则可以使用Apache Spark之类的工具执行临时分布式JOIN。但绝对不是你想要在生产系统上做的事情。

3. 几篇文章，我可以推荐：

   • Getting Started with Cassandra Time Series Data Modeling - 撰稿DataStax的首席宣传官帕特里克McFadin，它涵盖了在几个不同的方法比较常见的卡桑德拉用例之一。
   • Escaping From Disco-Era Data Modeling - 这篇文章讨论了Cassandra可以面对的初学者的一些障碍，以及克服它们的一般方法。 声明：我是作者。
   • Cassandra Data Modeling Best Practices, Part 1 - Jay Patel的（eBay）关于Cassandra建模实践的经典文章不能出错。有些过时的例子是基于CQL之前的世界，但这些技术仍然引起共鸣。