然而，維護(hù)多個(gè)副本數(shù)據(jù)會(huì)影響到數(shù)據(jù)插入和更新的性能，并會(huì)增加應(yīng)用程序的復(fù)雜性。因此，需要根據(jù)應(yīng)用程序指定的性能要求在讀取性能與數(shù)據(jù)維護(hù)成本之間做出權(quán)衡。

在這個(gè)階段要做出的另一個(gè)決定是要選擇使用聚集鍵還是多值類型來(lái)進(jìn)行數(shù)據(jù)推升。一般來(lái)說(shuō)：

在只有一個(gè)子次要實(shí)體向上推升的情況下使用聚集鍵，特別是在子次要實(shí)體本身有子節(jié)點(diǎn)上卷的情況下。

在有多個(gè)子實(shí)體推升到主要實(shí)體的時(shí)候使用多值類型

請(qǐng)注意，這些規(guī)則可能比較簡(jiǎn)單，但它們可以引申出對(duì)這方面更深入的思考。

第三階段：審核與調(diào)優(yōu)

最后一個(gè)階段則是在必要的情況下對(duì)數(shù)據(jù)模型進(jìn)行審核、測(cè)試，以及調(diào)優(yōu)。

審核分區(qū)和聚集鍵

在這個(gè)階段中，你需要將所有需要存儲(chǔ)的數(shù)據(jù)分配到一個(gè)或多個(gè)表中，并且這些表需要支持所需的訪問(wèn)模式。下一步是檢查生成的數(shù)據(jù)模型是否有效地使用了Cassandra，如果沒(méi)有，則進(jìn)行調(diào)優(yōu)。在這個(gè)階段，需要檢查和調(diào)整的內(nèi)容包括：

分區(qū)鍵是否有足夠的基數(shù)？如果沒(méi)有，則可能需要將列從聚集鍵變?yōu)榉謪^(qū)鍵（例如，將主鍵（client_id，timestamp）更改為主鍵（（client_id，timestamp）））或引入將多個(gè)聚集鍵分組為分區(qū)的新列（例如，將主鍵（client_id，timestamp）更改為主鍵（（client_id，day），timestamp））。

分區(qū)鍵中的值是否會(huì)經(jīng)常更新？對(duì)主鍵的更新將導(dǎo)致記錄的刪除和重新插入。例如，在一個(gè)維護(hù)了所有客戶的狀態(tài)的表中，可能有主鍵（狀態(tài)，客戶ID）。但是，這將導(dǎo)致每當(dāng)客戶狀態(tài)發(fā)生變化時(shí)都需要?jiǎng)h除并重新插入記錄。在這種情況下，最好選擇集合或列表數(shù)據(jù)類型，而不是將客戶ID作為聚集鍵。

每個(gè)分區(qū)中的記錄數(shù)是否有限制？特別大的分區(qū)和或者分布非常不均勻的分區(qū)可能會(huì)出現(xiàn)問(wèn)題。例如，假設(shè)有一張client_updates表，其主鍵為（client_id，update_timestamp），則客戶記錄的更新次數(shù)可能并沒(méi)有限制，因?yàn)榭赡苡猩倭康目蛻粢呀?jīng)有10年未更新，而大多數(shù)客戶只有一兩天而已。

測(cè)試和調(diào)優(yōu)

最后一步，也可能是最重要的，即對(duì)數(shù)據(jù)模型進(jìn)行測(cè)試，并根據(jù)需要進(jìn)行調(diào)優(yōu)。請(qǐng)記住，像分區(qū)或記錄數(shù)增長(zhǎng)過(guò)快的問(wèn)題只有在實(shí)際負(fù)載下使用幾天（或更長(zhǎng)時(shí)間）之后才能發(fā)現(xiàn)。因此，測(cè)試的時(shí)候需要盡可能地接近真實(shí)負(fù)載，并密切監(jiān)視各種警告信息（nodetool cfstats和cfhistograms命令對(duì)此非常有用）。

在這個(gè)階段，你也可以考慮調(diào)整一些影響數(shù)據(jù)物理存儲(chǔ)的設(shè)置。例如：

改變壓縮策略；

如果只使用TTL來(lái)刪除數(shù)據(jù)的話，則可以降低gc_grace_seconds，或者

設(shè)置緩存選項(xiàng)。

一個(gè)完整的例子

為了說(shuō)明這一點(diǎn)，下文將介紹一個(gè)示例，該示例構(gòu)建了一個(gè)數(shù)據(jù)庫(kù)，用于存儲(chǔ)和檢索來(lái)自多個(gè)服務(wù)器的日志消息。請(qǐng)注意，與大多數(shù)實(shí)際的案例相比，這個(gè)例子非常簡(jiǎn)單。

步驟1：定義數(shù)據(jù)域

上面的ER圖描述了本示例的數(shù)據(jù)域，包括：

有很多（百萬(wàn)數(shù)量級(jí)）的日志消息，有時(shí)間戳和主體。盡管消息ID在ER圖中顯示為主鍵，但消息時(shí)間加消息類型是備用主鍵。

每個(gè)日志消息都有一個(gè)消息類型，多個(gè)類型被進(jìn)一步分組為一個(gè)消息類別（例如，消息類型可能是“內(nèi)存不足錯(cuò)誤”，類別可能是“錯(cuò)誤”）。有幾百個(gè)消息類型和大約20個(gè)類別。

每個(gè)日志消息來(lái)自一個(gè)消息源。消息源是生成消息的服務(wù)器。我們的系統(tǒng)中有1000臺(tái)服務(wù)器。每個(gè)消息源都有一個(gè)源類型對(duì)其進(jìn)行分類（如紅帽服務(wù)器、Ubuntu服務(wù)器、Windows服務(wù)器、路由器等）。有大約20個(gè)源類型。每個(gè)源每天有大約10000條消息。

消息體可以被解析并存儲(chǔ)為多個(gè)消息體（一般來(lái)說(shuō)是鍵值對(duì)）。每條消息通常不超過(guò)20個(gè)消息體。

步驟2：定義所需的訪問(wèn)模式

我們需要能夠：

檢索給定源的最近10條消息的所有可用信息（并且能夠從中及時(shí)回溯）。

檢索給定源類型的最近10條消息的所有可用信息。

步驟3：確定主要訪問(wèn)實(shí)體

這里有兩個(gè)主要訪問(wèn)實(shí)體：源和源類型。源類型的基數(shù)（約為20）使其非常適合成為二級(jí)索引，所以我們將使用源作為主要訪問(wèn)實(shí)體，并添加源類型為二級(jí)索引。

步驟4：分配次要實(shí)體

在這個(gè)例子中，這個(gè)步驟相對(duì)簡(jiǎn)單，因?yàn)樗袛?shù)據(jù)都需要滾入到日志源主要訪問(wèn)實(shí)體中。所以我們需要：

下推源類型名稱

下推消息類別和消息類型以記錄消息

上推日志消息，使其作為新實(shí)體的聚集鍵

作為map類型上推消息體。

最終這將是一個(gè)帶有源ID分區(qū)鍵和（消息時(shí)間，消息類型）聚集鍵的單個(gè)表。

步驟5：審核分區(qū)和聚集鍵

根據(jù)檢查清單檢查這些分區(qū)和聚集鍵：

分區(qū)鍵是否有足夠的基數(shù)？是的，有1000個(gè)源。

分區(qū)鍵中的值是否會(huì)經(jīng)常更新？不，所有的數(shù)據(jù)都是一次寫入的。

每個(gè)分區(qū)中的記錄數(shù)是否有限制？不，消息數(shù)可能會(huì)隨著時(shí)間的推移而無(wú)限地增長(zhǎng)。所以，我們需要解決無(wú)限分區(qū)大小的問(wèn)題。在時(shí)間序列數(shù)據(jù)中，解決這個(gè)問(wèn)題的典型模式是將一組時(shí)間段引入到聚集鍵中。在這種情況下，每天10000條消息是一個(gè)比較合理的數(shù)字，可以包含在一個(gè)分區(qū)中，因此我們將使用“天”作為分區(qū)鍵的一部分。

最后，Cassandra結(jié)果表是這樣的：

CREATETABLEexample.log_messages ( message_id uuid, source_name text, source_type text, message_type text, message_urgencyint, message_category text, message_timetimestamp, message_time_day text, message_body text, message_parts mapPRIMARYKEY((source_name, message_time_day,message_time, message_type) )WITHCLUSTERINGORDERBY(message_timeDESC);CREATEINDEX log_messages_sourcetype_idxONexample.log_messages (source_type);

?