Apache Cassandra数据建模疑问：双表存储需执行两次独立插入吗？

嘿，作为Cassandra新手，这个疑问太正常了——毕竟咱们刚从关系型数据库的范式思维转过来，突然遇到这种看起来“重复存储”的表，肯定会困惑为什么要这么设计，以及怎么高效插入数据！

首先先明确：Cassandra是查询驱动建模的数据库，你看到的这两张表，就是为了两种不同的查询需求设计的：

• users_by_username 是为了通过用户名快速查询用户信息
• users_by_email 是为了通过邮箱快速查询用户信息

这种“反范式”的设计是Cassandra的核心特点之一，用空间换查询性能，避免了关系型数据库里的join操作。

回到你的问题：是的，默认情况下你需要执行两次独立的INSERT操作。因为Cassandra的每张表都是独立的存储单元，数据库不会自动帮你同步不同表之间的重复数据。

基础插入示例 #

你可以直接执行两次INSERT语句，比如：

INSERT INTO users_by_username (username, email, age) VALUES ('john_doe', 'john@example.com', 30);
INSERT INTO users_by_email (email, username, age) VALUES ('john@example.com', 'john_doe', 30);

简化操作：使用BATCH语句 #

如果觉得写两次INSERT太繁琐，你可以用Cassandra的BATCH语句把两个操作合并成一个请求：

BEGIN BATCH
  INSERT INTO users_by_username (username, email, age) VALUES ('john_doe', 'john@example.com', 30);
  INSERT INTO users_by_email (email, username, age) VALUES ('john@example.com', 'john_doe', 30);
APPLY BATCH;

不过要注意：BATCH适合小批量操作，而且如果是跨分区的操作（这里两个表的主键分别是username和email，属于不同分区），批处理会有一定的性能开销，所以不要用它来处理大量数据。生产环境中，很多客户端驱动（比如Java的DataStax Driver、Python的cassandra-driver）也提供了客户端层面的批量操作API，能帮你简化代码逻辑，同时优化请求发送的方式。

最后再强调下：不要担心这种数据冗余，这正是Cassandra设计的初衷——为了让每个常用查询都能以最快的速度完成，牺牲一点存储空间是完全值得的。

内容的提问来源于stack exchange，提问作者bajky