Cassandra数据模型设计最佳实践

jieforest

一个不合适的comparator 将不能按照你预期所想的顺序将column name排序并存放到磁盘上。它将很难（或者不能）根据column name进行范围查询。

一旦完成定义，你将不能修改comparator，除非重写所有数据。但是validator 是可以事后变更的。

通过Cassandra文档看看comparators 和 validators 支持的数据类型。

保持column name简短

因为它将会在被重复存储

如果你使用column name存储数据，那这个实践是不适用的。除此之外，保持column name简短，因为它将和每个column value一起被重复存储（根据数据副本数）。当column value的大小比column name小很多时，内存和存储的开销可能会是个问题。

比如，‘fname’ 优于 ‘firstname’，‘lname’ 优于 ‘lastname’。

注意：Cassandra-4175可能会导致本实践在未来失效。

jieforest

将数据模型设计为支持幂等操作

或者确保你能够接受用例数据不准确或者最终准确的情况

像Cassandra这样具有最终一致性以及完全分布式的系统，幂等操作非常有用。幂等操作允许系统因出现错误而导致的重试是安全的，它不会影响数据的最终结果。此外，幂等有时可以降低对强一致性的需求，因为它允许在不产生数据重复和其它异常的情况下实现最终一致性。让我们看看这些原则如何应用到Cassandra上。我将只讨论部分失败的情况，降低强一致性需求放到后续文章里讲，因为它非常依赖用例。

因为Cassandra具有完全分布式（多个master）的特性，写失败不能确保数据没有被写入，这与关系型数据库不同。换句话说，即使客户端接收到一个写入操作失败的响应，数据仍可能被写入其中一个副本，数据将最终被传播到其它副本。没有回滚或者清理动作来处理已经写入的数据。因此，虽然客户端出现写失败，但数据最终是成功写入的。所以如果你的模型不具有更新幂等性，错误的重试将导致未知的结果。

jieforest

注意：

1）这里的“更新幂等性”意味着模型的操作是幂等的。如果一个操作被多次调用却不影响最终结果，那它就具有幂等性。

2）在大多数情况，幂等性不会受到关注，因为将数据写入正常的Colum Family总是更新幂等的，Counter column family是比较特殊的例子，后面我们会说到。有时你的用例可以设计为非更新幂等的。比如我们第一部分文章中，最终方案的模型User_by_Item和Item_by_User就不具有更新幂等性，因为当“User喜爱某个Item”的操作被执行多次将导致数据时间戳发生改变，从而无法获知真实的User喜爱某个Item的时间。但是，“User喜爱某个Item”的操作仍然是幂等的，因为我们在出现错误的时候重试多次。更多具体的例子，我可能会在后面讲到。

3）即使一致性层级为“ONE”，写入失败仍然不能确保数据没有被写入。数据仍然有可能最终传播到其它副本。

jieforest

示例：

假设我们想计算某个Item被多少User所喜爱，一种方式是使用counter column family保存多少个user喜欢某个item。因为counter增加（减少）特性不是更新幂等的，当出现失败并重试的时候就会导致数量被重复累加的情况。让模型具有更新幂等性可以通过维护user id来代替增加counter记数。无论何时user喜爱某个item，我们都将user id写入item，如果写入失败，我们可以安全的重试。如果希望获取所有喜爱某个item的user，我们只需要读取item中user id信息手动累加就行。



在上面更新幂等（Update idempotent）模型中，获取counter值要求读取所有user id值，这样的实现可能不够好（因为它可能有上百万个）。在本用例中，如果counter读操作很频繁，同时你能接受一个与真实值接近的值，counter column将是一个更好的、更高效的选择。如果需要，counter值也可以周期的通过user id计算出来并更新，这样的设计也是具有更新幂等性。

jieforest

在上面更新幂等（Update idempotent）模型中，获取counter值要求读取所有user id值，这样的实现可能不够好（因为它可能有上百万个）。在本用例中，如果counter读操作很频繁，同时你能接受一个与真实值接近的值，counter column将是一个更好的、更高效的选择。如果需要，counter值也可以周期的通过user id计算出来并更新，这样的设计也是具有更新幂等性。

注意：Cassandra-2495可能会为失败的counter请求添加一个合适的重试机制。但是，这个实践仍然有效。所以记得经常测试模型更新幂等性。

根据需要，围绕事务建模

但这可能不总是能够实现，具体情况具体分析

Cassandra没有多行、集群范围的事务或者回滚机制，取而代之，它提供行级别原子性。换句话说，对某个row key的一次mutation操作是原子的。所以当你需要事务性的时候，尝试设计你的模型，让它一次永远只更新一行。但还是要考虑你的用例，这样的设计不总是有效，如果你的系统需要ACID事务，那你需要重新考虑数据库的选择了。

jieforest

如果可以的话，预先设计好合适的TTL

因为很难改变既有数据TTL

在Cassandra中，TTL(存活时间)不是设置在column family上，它设置于每个column value，一旦设置后就很难改变。或者说，如果创建column时候没有设置，那之后就很难对其设置TTL。对于既有数据修改TTL唯一的方式就是读取然后再次插入所有数据，并赋予TTL。所以要考虑好如何清除你的数据，如果可能进来在创建数据的时候设置合适的TTL。

不要使用counter column family生成key信息

它不是干这个用的

counter column family保存分布式counter信息，这意味着它要做分布式的累加（递减）运算。不要使用counter生成序列编号（比如oracle的sequence或者MySQL的自增列）来生成你的rowkey（column key），否则你将可能得到重复序列编号，从而导致数据覆盖。大多数时间你真的不需要全局序列编号，更好的选择是使用timeuuid (type-1 uuid)来生成key信息。如果你真的需要一个全局序列编号生成器，这里有个可行的办法，就是需要一个中央协调器，但这会影响系统的扩展性和可用性。

jieforest

composite columns 优于 super columns

使用super columns可能会产生性能瓶颈

在Cassandra中，super column常被用于对column key进行分组，或者建立两层数据结构。但是super column有下列实现问题导致它并不那么美好：

问题：

1）Super column的子column不能被索引，读取一个字column意味着要反序列化整个super column

2）子column无法使用内建二级索引

3）Super column无法实现超过两层的结构

类似的功能，可以通过Composite column实现，它是包含子column的标准的column，因此标准column所有的好处它都具备，比如排序、范围查询，同时你可以设计出多层级的结构。

jieforest

注意composite columns中子column顺序

因为排序决定数据存储位置

举个例子，一个composite column key为<state | city>，将被先按照state然后按照city的顺序存储，换句话说，一个state的所有cities在磁盘存储上是紧挨着的。

优先使用内置的composite types，而不是自定义类型

因为自定义类型不总是可用

避免使用字符串连接（如果通过分隔符“:”或者“|”）的composite column key，取而代之，应该使用内置composite types (以及 comparators)，它在cassandra0.8.1版本以上被支持。

jieforest

Why?

1）如果sub-columns是不同的数据类型，自定义类型将不能正常工作。比如，composite key<state|zip|timeuuid>将不能适用于根据类型感知排序（state是字符串，zip是整型，timeuuid是时间类型）。

2）你不能针对每个sub-columns进行不同的顺序查找。比如，上面的例子中，不能根据state升序，zip进行降序。

注意：Cassandra内置composite types有两种使用方法：

1）静态 composite type：composite column的每部分的数据类型都在column family中被提前定义好。Column family中所有column name 必须是之前定义好的类型。

2）动态composite type：这个类型允许你将不同的composite type的column name在一个column family中混合使用，甚至在一行中。

关于composite type更多信息，请查看这里： Introduction to composite columns

jieforest

无论何时，尽量优先使用静态composite type

因为动态composite太灵活

如果一个column family中的column keys都是相同的composite type，则一定要使用静态composite type。创建动态composite type最初的目的是为了在一个column family中保存多用户自定义索引。如果可能，请不要在一行中使用不同的composite type，除非真的有必要这么做。Cassandra-3625已经修复了一些动态composite的严重问题。

注意：CQL3支持column name使用静态composite type。如果想知道CQL3如何处理wide row，请参考这篇文章DataStax docs。

就这么多，如果您能从这些最佳实践中获益，非常欢迎看到您的回复，这就是我们Cassandra今天的使用情况。

– Jay Patel, architect@eBay.