使用包含单行分区的 Cassandra 表是一种不好的做法吗？

假设我有一张这样的桌子

CREATE TABLE request(
  transaction_id text,
  request_date timestamp,
  data text, 
  PRIMARY KEY (transaction_id)
);

据我了解，transaction_id 是唯一的该表中的每个分区只有一行我不确定这种情况是否会导致操作系统出现性能问题，也许是因为 Cassandra 为每个分区创建一个文件，导致需要为其托管操作系统管理大量文件，请注意，我不确定 Cassandra 如何创建其文件对于它的桌子。

在这种情况下，我可以通过其 transaction_id 找到请求，例如

select data from request where transaction_id = 'abc';

如果前面的假设是正确的，那么下一个可能会采用不同的方法？

CREATE TABLE request( 
  the_date date, 
  transaction_id text, 
  request_date timestamp, 
  data text, 
  PRIMARY KEY ((the_date), transaction_id)
);

场the_date每隔一天都会发生变化，因此表中的分区将为每天创建。

在这种情况下我必须有the_date数据总是可用的发送给客户端，以便我可以使用下一个查询找到请求

select data from request where the_date = '2020-09-23' and transaction_id = 'abc';

预先感谢您的帮助！

Cassandra 不会为每个分区创建单独的文件。一个SSTable文件可能包含多个分区。仅包含一行的分区通常称为“瘦行” - 它们并不是很糟糕，但可能会导致一些性能问题：

• 要访问此类分区，您仍然需要读取包含压缩数据的块（默认情况下为 64Kb），需要解压缩才能读取该数据。如果您正在进行真正的随机访问，这些块将从文件缓存中丢弃，并且需要从磁盘重新读取。在这种情况下，减小块大小可能有用
• 如果每个节点的每个表有很多这样的分区 - 这可能会大大增加布隆过滤器的大小，因为每个分区都有一个单独的条目。我看到一些客户为布隆过滤器分配了数十GB的内存，只是因为分区很薄

所以这实际上取决于数据量、访问模式等。它可能是好是坏，取决于这些因素。

如果您有可用的日期，并且希望将其用作部分分区键 - 这也可能是不可取的，因为如果您在那天写入和读取大量数据，那么只有某些节点会处理该负载 - 就是这样 -称为“热分区”。

当您从数据推断分区键时，您可以实现所谓的分桶。但这将取决于可用的数据。例如，如果您将日期 + 事务 ID 作为字符串，则可以将分区键创建为日期 + 该字符串的第一个字符 - 在这种情况下，您每天将有 N 个分区键，这些分区键分布在节点之间，从而消除了热分区问题。

See the 来自 DataStax 的相应最佳实践文档 https://docs.datastax.com/en/landing_page/doc/landing_page/dataModel.html#Checktablestructure关于那个话题。