Cassandra：使用 UDT 最小化元数据开销

Question

我有一个 40 列 RDBMS table，我正在将其移植到 Cassandra。

在 http://docs.datastax.com/en/cassandra/2.1/cassandra/planning/architecturePlanningUserData_t.html

使用估算器

我创建了一个 excel sheet，其中包含列名、数据类型、每列的大小等。 当实际数据只有 192 字节时，每个 RDBMS 行的 Cassandra 特定开销高达 1KB。

由于开销与列数成正比，我认为如果我只为不属于主键的字段创建一个 UDT 会好得多。这样，我只会产生一次列开销。

此外，我不打算 运行 查询 UDT 的内部字段。即使我确实想要那样，Cassandra 在非 PK 字段上的查询功能也非常有限。

采用这种策略好吗？有什么陷阱吗？所有这些开销是否可以通过压缩或其他一些内部操作轻松消除？

Answer 1

从表面上看，这并不是一个坏主意。您本质上是在另一个层次上抽象您的数据，但在某种程度上仍然可以满足您的需求。其实是个好主意。

I have a 40 column RDBMS table

这部分让我有点担心。本质上，您将创建一个具有 40 个属性的 UDT。这本身没什么大不了的。 Cassandra 应该处理得很好。

但是，虽然您可能不会查询 UDT 的内部字段，但您需要问问自己，您计划多久更新一次它们。 Cassandra 将 UDT 存储为单个列中的 "frozen" 类型。理解这一点很重要，原因有二：

1. 如果不阅读 UDT 的 所有 属性，则无法读取单个 属性 UDT。
2. 同样，如果不重写所有，您也无法更新 UDT 中的单个 属性。

因此在设计应用程序时应牢记这一点。只要您不会频繁更新 UDT 的各个属性，这对您来说应该是一个很好的解决方案。