Cassandra中的高低基数问题

Question

我一直遇到这些术语：高基数（high cardinality）和低基数（low cardinality）在中。

我不明白它们究竟意味着什么，对查询有什么影响以及何种方式更好。请用示例解释，因为这样更容易理解。

- eagertoLearn

Answer 1

X的基数不过就是组成X的元素数量而已。在Cassandra中，分区键的基数对于数据分区非常重要。

由于分区键负责将数据分布到集群中，选择低基数的键可能会导致您的数据未被分布到各个节点上。

假设您有一个存储评论的由20个节点组成的集群--复制因子（RF）为2。每个评论都有自己的投票从1到5。现在，由于您想通过投票轻松检索评论，您可能会想将投票作为分区键。

CREATE TABLE comments(vote int, content text, id uuid, PRIMARY KEY(vote, id));

在这种情况下，唯一负责数据分发的关键是投票，它的基数非常低，因为它只能包含5个值（1、2、3、4、5）。这意味着，在最好的情况下，5个不同的节点将拥有5个不同的分区（它们是“所有投票为1的评论”...“所有投票为5的评论”），并且在最佳情况下，使用2个副本因子，10个不同的节点将保存您的数据。正如您所看到的，您拥有一个由20个节点组成的群集，在最佳情况下未超过50%。

数据分发非常重要，这就是为什么“分区键基数”非常重要

HTH，Carlo

- Carlo Bertuccini

---

我已经编辑了我的帖子 - 正如您所看到的，对于每个投票，您将检索到许多评论。因此，这是非常广泛的行情况。如果您有1000万条评论，假设按投票平均分布，对于每个投票分区，您将检索到200万个结果。这是一个非常宽的行。 - Carlo Bertuccini

https://dev59.com/UoLba4cB1Zd3GeqPaSEG - eagertoLearn

RF这个首字母缩写代表什么？编辑：对于那些想知道的人，它代表复制因子。我认为回答的措辞可以改进为：“想象一下你有一个存储评论的由20个节点组成的集群，复制因子（RF）为2。” - Rylan Schaeffer