在 ScyllaDB（或 Cassandra）中使用主键、分区键和群集键

在 ScyllaDB 和其他 NoSQL 数据库中，数据模型基于查询，而不仅仅是围绕域实体。在创建数据模型时，我们同时考虑了概念数据模型和应用程序工作流：哪些用户将执行哪些查询以及执行频率。

在 ScyllaDB 和其他宽列数据库（例如 Apache Cassandra）中进行数据建模的主要目标之一是快速返回结果。为此，您需要：

• 均匀的数据分布：数据应均匀分布在群集中，以便每个节点保存大致相同的数据量。ScyllaDB 根据分区键的哈希值确定哪个节点应存储数据。因此，选择合适的分区键至关重要。稍后会详细介绍。

• 若要最大程度地减少读取查询中访问的分区数，请执行以下操作： 为了加快读取速度，理想情况下，我们会将读取查询中所需的所有数据存储在单个表中。虽然跨表复制数据是可以的，但就性能而言，如果读取查询所需的数据位于一个表中，则更好。

你不应该关注的事情：

• 避免数据重复：为了获得高效的读取，我们有时必须复制数据。本课稍后将详细介绍此内容和非规范化。在后面的课程中，我们将学习如何在某些情况下使用二级索引避免重复。

• 最小化写入次数：ScyllaDB中的写入不是免费的，但它们非常高效且“便宜”。ScyllaDB 针对高写入吞吐量进行了优化。读取虽然仍然非常快，但通常比写入更昂贵，并且更难微调。我们通常会准备增加写入次数以提高读取效率。请记住，表的数量也会影响一致性。

在本教程中，您将使用一个名为 4Paws Clinic 的兽医诊所的示例。在这家诊所，每只入院的动物都有一个连接的心率监测器，每五秒钟记录一次心率和其他重要信息。

什么是主键？

主键在表中定义。它是用于标识行的一列或多列。所有表都必须包含主键的定义。例如，请考虑以下表：

1
CREATE TABLE heartrate_v1 (
2
   pet_chip_id uuid,
3
   time timestamp,
4
   heart_rate int,
5
   PRIMARY KEY (pet_chip_id)
6
);

在上面的示例中，主键是一列 – .如果主键由单个列组成，则称为简单主键。pet_chip_id

对于上表，请执行查询：

SELECT * from heartrate_v1 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23;

如果我们想通过查询我们的数据，但同时也要通过查询我们的数据，会发生什么？也就是说，如果我们的查询是：pet_chip_idtime

SELECT * from heartrate_v1 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 AND time >='2019-03-04 07:01:00' AND time <='2019-03-04 07:02:00';

在这种情况下，上述查询将不起作用。我们可以将主键定义为包含多个列，在这种情况下，它称为复合（或复合）键。创建下表：

1
CREATE TABLE heartrate_v2 (
2
   pet_chip_id uuid,
3
   time timestamp,
4
   heart_rate int,
5
   PRIMARY KEY (pet_chip_id, time)
6
);

并插入一些数据：

INSERT INTO heartrate_v2(pet_chip_id, time, heart_rate) VALUES (123e4567-e89b-12d3-a456-426655440b23, '2019-03-04 07:01:05', 100);

INSERT INTO heartrate_v2(pet_chip_id, time, heart_rate) VALUES (123e4567-e89b-12d3-a456-426655440b23, '2019-03-04 07:01:10', 90); 

INSERT INTO heartrate_v2(pet_chip_id, time, heart_rate) VALUES (123e4567-e89b-12d3-a456-426655440b23, '2019-03-04 07:01:50', 96); 

INSERT INTO heartrate_v2(pet_chip_id, time, heart_rate) VALUES (123e4567-e89b-12d3-a456-426655440b23, '2019-04-04 07:01:50', 99);

输入分区键和群集键

在上面显示的情况下，主键的第一部分称为分区键（在上面的示例中），第二部分称为群集键（）。pet_chip_idtime

主键由两部分组成：

• 分区键负责跨节点分发数据。它确定哪个节点将存储给定的行。它可以是一列或多列。

• 群集键负责对分区中的行进行排序。它可以是零列或多列。

现在，根据时间执行我们之前看到的查询：

SELECT * from heartrate_v2 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 AND time >='2019-03-04 07:01:00' AND time <='2019-03-04 07:02:00';

此外，我们之前遇到过一个问题，即无论时间如何，宠物都只能记录一个心率值。现在，我们定义了作为主键一部分的时间，每个主键（是 和 的组合）都可以有一个心率值。heartrate_v1pet_chip_idtime

读取同一只宠物的数据：

SELECT * from heartrate_v2 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 ;

我们可以看到与前面的例子相反。这一次，该值没有被覆盖。

具有多列的分区键和群集键

正如我们刚才所看到的，分区键和聚类键都可以包含多个列，例如，如果我们的查询是：

SELECT * from heartrate_v3 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 AND time ='2019-03-04 07:01:00' AND pet_name = 'Duke';

我们可以按如下方式定义该表：

1
CREATE TABLE heartrate_v3 (
2
   pet_chip_id uuid,
3
   time timestamp,
4
   heart_rate int,
5
   pet_name text,
6
   PRIMARY KEY ((pet_chip_id, time), pet_name)
7
);

创建上表，然后插入一些数据：

INSERT INTO heartrate_v3(pet_chip_id, time, heart_rate, pet_name) VALUES (123e4567-e89b-12d3-a456-426655440b23, '2019-03-04 07:01:10', 90, 'Duke');

在本例中，分区键包括两列：和 ，聚类键为 。请记住，每个查询都必须包含分区键中定义的所有列。pet_chip_idtimepet_name

现在尝试执行此查询：

SELECT * from heartrate_v3 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23;

它失败，因为没有给出整个分区键。

现在试试这个查询：

SELECT * from heartrate_v3 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 AND time ='2019-03-04 07:01:10' AND pet_name = 'Duke';

当给出完整的分区键时，它会成功。

同样，如果我们希望每个分区都基于 但希望能够根据 和 进行查询：pet_chip_idpet_nameheart_rate

SELECT * from heartrate_v4 WHERE pet_chip_id = 123e4567-e89b-12d3-a456-426655440b23 AND pet_name = 'Duke' AND heart_rate = 100;

可以定义（执行此操作）：

1
CREATE TABLE heartrate_v4 (
2
   pet_chip_id uuid,
3
   time timestamp,
4
   heart_rate int,
5
   pet_name text,
6
   PRIMARY KEY (pet_chip_id, pet_name, heart_rate)
7
);

注意：

• 如果聚类分析键（和上面的示例中）中有多个列，则这些列的顺序定义聚类排序。对于给定的分区，所有行在 ScyllaDB 中按聚类顺序进行物理排序。此顺序决定了可以在此分区上有效运行的选择查询。pet_nameheart_rate

• 在此示例中，排序首先是 by，然后是 。pet_nameheart_rate

• 除了“分区键”列之外，查询还可能包括“群集键”。如果它确实包含“聚类分析键”列，则必须按照定义的顺序使用它们。