类别项目实体的Cassandra/Scylla最优存储模型

根据您描述的3种操作类型,我假设每个类别中的项目都没有更新或删除。

简单的答案是,单个表在所需的操作中表现良好。以下内容将是一个很好的用例:

CREATE TABLE mykeyspace.items_by_category (
    categoryId timeuuid,
    itemId timeuuid,
    ... 
    PRIMARY KEY (categoryId, itemId)
);

另一个需要注意的方面是每个分区内的预期卷。在这种情况下,每个类别都是一个分区,每个分区都会随着它存储的每个项目行中的数据量而扩大。最好将分区大小保持在100MB以下,以避免压缩和垃圾收集问题(不过,在ScyllaDB中GC不是问题)。根据您希望包含的其他列来表示每个项目,这种情况可能是可能的,也可能是不可能的。

例如,如果你在一个集合中有50个项目,其中每个项目平均由3MB的数据表示,你可能已经遇到了一些性能问题——这可以通过分组分区或将项目数据移动到不同的表来解决。

您还可以为items创建一个表,但只要您不希望items_by_category表中的分区大小失控,我就会将所有类别和项目数据保存在一个表中。否则,您将不得不在应用程序中管理引用完整性——Cassandra不支持连接,也不理解外键的概念。

我通常会避免使用集合,尤其是列表。主要原因是列表在某些非幂等操作上执行读写操作。由于itemId是唯一的,如果必须使用集合,则使用集合比列表更可取。

此外,如果将来需求发生变化,并且集合最终存储了50多个项目,那么使用itemId作为聚类列而不是集合条目可能更具可扩展性。

在您提供的2个选项中,将项目作为条目添加到列表中可能比将其作为列值添加到2个表中需要更长的时间(可能是因为我们正在将2个简单的升级与写前读操作进行比较,这需要一些测试)。尽管如此,最有效的解决方案应该是将每个项目添加到一个表中,这比添加到两个表中更快,假设在任何一种情况下都是简单的升级。

这就是理论,尽管我相当有信心1表选项(没有集合)将是最优的,但我仍然强烈建议设置一个 cassandra-stress 分析测试集群中不同工作负载模型的性能。