Apache Cassandra智能电表数据建模新手求助

嘿，作为Cassandra新手碰到这种关联数据的建模问题太正常了——毕竟Cassandra的设计思路和传统关系型数据库完全不一样，我来帮你拆解清楚～

首先得记住Cassandra的核心原则：以查询为中心，而不是先纠结数据关联。因为Cassandra不支持高效的join操作，所以我们得先想清楚你最常用的查询场景，再针对性设计表结构。

先分析你的核心查询需求 #

从你的数据示例来看，大概率会有这几类查询：

• 查某个网关下关联的所有电表列表
• 查某个电表的历史读数（按时间排序）
• 查某个网关下所有电表的最新/历史读数

针对这些场景，我不推荐用单表存储（比如把所有电表数据塞进网关的集合里），因为当电表数量多了之后，集合会变得臃肿，查询时会全量返回，而且要单独查某个电表的历史数据会非常低效。分表+反范式存储才是更适合Cassandra的方案，下面给你具体的表设计：

方案1：基础双表设计（满足核心查询） #

表1：网关-电表映射表（快速获取网关关联的电表）

这张表用来存储网关和电表的关联关系，解决“查某个网关下有哪些电表”的需求：

CREATE TABLE gateway_meters (
    gateway_id TEXT PRIMARY KEY,
    meter_ids SET<TEXT>  -- 用SET存储电表ID，自动去重
);

如果后续需要存储电表的一些基础信息（比如型号、安装位置），可以用UDT（用户定义类型）来结构化存储：

-- 先定义UDT
CREATE TYPE meter_basic_info (
    meter_id TEXT,
    model TEXT,
    install_location TEXT
);

-- 再建表
CREATE TABLE gateway_meters (
    gateway_id TEXT PRIMARY KEY,
    meters MAP<TEXT, FROZEN<meter_basic_info>>  -- 键是电表ID，值是基础信息
);

这种设计完全支持“各网关关联电表数量不一致”的情况——Cassandra的集合/Map都是可变长度的，不管关联1个还是100个电表都没问题。

表2：电表明细数据表（存储电表的历史读数）

这张表是核心，用来快速查询单个电表的历史数据，主键设计要贴合查询需求：

CREATE TABLE meter_readings (
    meter_id TEXT,
    capture_time TIMESTAMP,
    unit TEXT,
    scaler DOUBLE,
    status TEXT,
    value DOUBLE,
    PRIMARY KEY ((meter_id), capture_time)
) WITH CLUSTERING ORDER BY (capture_time DESC);  -- 按时间降序，最新数据排在最前面

• 分区键用meter_id：这样每个电表的所有读数都会存在同一个分区里，查询时直接定位，性能拉满
• 聚类键用capture_time：保证同一个电表的读数按时间排序，查历史数据时直接按范围筛选就行

比如查询sm_1在2024年1月的所有读数：

SELECT * FROM meter_readings 
WHERE meter_id = 'sm_1' 
AND capture_time >= '2024-01-01 00:00:00' 
AND capture_time < '2024-02-01 00:00:00';

方案2：新增第三张表（优化网关批量查询） #

如果你的核心需求是“查某个网关下所有电表的最新读数”，那上面的双表需要先查网关的电表列表，再逐个查电表读数，效率会低一些。这时候可以新增一张冗余存储的表（Cassandra鼓励用空间换时间）：

CREATE TABLE gateway_meter_readings (
    gateway_id TEXT,
    meter_id TEXT,
    capture_time TIMESTAMP,
    unit TEXT,
    scaler DOUBLE,
    status TEXT,
    value DOUBLE,
    PRIMARY KEY ((gateway_id), meter_id, capture_time)
) WITH CLUSTERING ORDER BY (meter_id ASC, capture_time DESC);

• 分区键用gateway_id：同一个网关的所有电表读数存在一个分区
• 聚类键先按meter_id，再按capture_time：保证同一个网关下的电表按ID排序，每个电表的读数按时间降序

这样查询某个网关下所有电表的最新读数时，直接查这张表就行：

SELECT DISTINCT ON (meter_id) * FROM gateway_meter_readings 
WHERE gateway_id = 'smgw_123' 
ORDER BY meter_id ASC, capture_time DESC;

给你的几点关键提醒 #

1. 先明确查询优先级：如果90%的查询是单个电表的历史数据，那重点优化表2；如果经常查网关下的批量数据，就加上表3。
2. 不要怕冗余：Cassandra的冗余存储是合理的，因为join在Cassandra里几乎是禁用的——与其查询时做低效的关联，不如写入时多存一份数据。
3. 测试小批量数据：可以先导入一些测试数据，试试不同查询的性能，再调整表结构。

内容的提问来源于stack exchange，提问作者Jiayu T