我必须为客户设计数据库，让他们在未来24个月内通过多个供应商获得数百万种材料的价格。因此，该数据库将在未来24个月内每天存储特定供应商供应的每种材料的价格。所以我们保留过去的数据。现在将在以下位置进行查找：
由供应商根据客户指定的日期查找物料的价格。
查找供应商在客户指定的时间段内对物料的价格。
我可以认为主键是：
分区键：（customer id，material id，supplier id，date）--从长远来看，这会导致性能问题吗？
分区键：（customer id，material id，supplier id，monthbucket），集群键：date——monthbucket将每月在同一分区上存储物料的数据，对于2020年2月的日期，其值类似于'202002'。
另一个问题是如何确保数据在节点间均匀分布。
注：
客户、材料、供应商和日期的组合是唯一的。
两个客户可以有相似的物料ID。
重点：1。一些客户可以拥有非常小的数据集，而另一些客户可以拥有巨大的数据集。对于所有客户来说，日期是一个不变的字段，因此我们如何在分区之间均匀地分布数据。此外，不同客户之间的物料ID可以相同，因为存在内部表示（可能是数字或字母数字）
每个客户和物料id的供应商数量从1到20不等。你有什么建议或问题吗？
谢谢。
1条答案
按热度按时间svgewumm1#
这取决于每个客户有多少供应商。因为您总是对customer-id和material-id进行查询，所以我建议至少将列作为分区键。如果你有太多的供应商，你可以把它移动到分区键以及。我会避免每个月都有一个bucket——这会让查询变得很困难。
因此，您可以使用以下主键：
((customer, material, supplier), date)
((customer, material) supplier, date)两者都允许有两个查询：select * from table where customer = ... and material = ... and supplier = ... and date = ...
select * from table where customer = ... and material = ... and supplier = ... and date >= start and date <= end但是我建议用第一个分区，分区不要太大，也不要太小。