用途
本技能面向分布式宽列存储与键值存储（具体为 Apache Cassandra 和 Amazon DynamoDB），提供专业的心智模型与设计模式。与 SQL（建模数据实体）或文档存储（如 MongoDB）不同，这类分布式系统要求先建模查询。
何时使用
- 面向规模设计：从单节点数据库迁移到分布式集群。
- 技术选型：评估或使用 Cassandra、ScyllaDB 或 DynamoDB。
- 性能调优：排查现有 NoSQL 系统中的“热分区”或高延迟。
- 微服务：实现“每服务一库”模式，且需要高度优化的读取。
心智转变：SQL 与分布式 NoSQL 对比
| 特性 | SQL（关系型） | 分布式 NoSQL（Cassandra/DynamoDB） |
|---|---|---|
| 数据建模 | 建模实体 + 关系 | 建模查询（访问模式） |
| 连接 | CPU 密集，读取时进行 | 写入时预计算（反规范化） |
| 存储成本 | 昂贵（尽量减少重复） | 便宜（为读取速度复制数据） |
| 一致性 | ACID（强一致） | BASE（最终一致）/ 可调 |
| 扩展性 | 垂直（更大机器） | 水平（更多节点/分片） |
黄金法则：在 SQL 中，你设计数据模型以回答任意查询；在 NoSQL 中，你设计数据模型以高效回答特定查询。
核心设计模式
1. 查询优先建模（访问模式）
通常无法在不迁移或新建表/索引的情况下“稍后再加一个查询”。
流程：
- 列出所有实体（User、Order、Product）。
- 列出所有访问模式（“按 Email 获取 User”“按用户获取订单并按日期排序”）。
- 专门设计表以单次查找服务这些模式。
2. 分区键为王
数据根据分区键（PK）分布到物理节点。
- 目标：数据与流量的均匀分布。
- 反模式：使用低基数 PK（如 status="active" 或 gender="m"）会产生热分区，吞吐量受限于单个节点容量。
- 最佳实践：使用高基数键（用户 ID、设备 ID、复合键）。
3. 聚类键 / 排序键
在分区内，数据按聚类键（Cassandra）或排序键（DynamoDB）在磁盘上排序。
这支持高效的范围查询（如 WHERE user_id=X AND date > Y），实际上为特定检索需求预排序了数据。
4. 单表设计（邻接表）
主要用途：DynamoDB（概念也适用于其他场景）。将多种实体类型存入一张表，以实现预连接读取。
| PK（分区） | SK（排序） | 数据字段... |
|---|---|---|
| USER#123 | PROFILE | { name: "Ian", email: "..." } |
| USER#123 | ORDER#998 | { total: 50.00, status: "shipped" } |
| USER#123 | ORDER#999 | { total: 12.00, status: "pending" } |
查询：PK="USER#123"。结果：一次网络请求获取用户资料及所有订单。
5. 反规范化与冗余
不要害怕将相同数据存入多张表以服务不同查询模式。
- 表 A：users_by_id（PK: uuid）
- 表 B：users_by_email（PK: email）
权衡：必须管理跨表数据一致性（通常使用最终一致性或批量写入）。
具体指导
Apache Cassandra / ScyllaDB
- 主键结构：((Partition Key), Clustering Columns)
- 无连接、无聚合：不要尝试 JOIN 或 GROUP BY。在单独的计数表中预计算聚合。
- 避免 ALLOW FILTERING：若生产环境出现此语句，说明数据模型有误，意味着全集群扫描。
- 写入廉价：插入和更新只是追加到 LSM 树。相比读取效率，不必过于担心写入量。
- 墓碑：删除是昂贵的标记。避免在标准表中使用高频删除模式（如队列）。
AWS DynamoDB
- GSI（全局二级索引）：用 GSI 创建数据的替代视图（如“按日期搜索订单”而非按用户）。注意：GSI 是最终一致的。
- LSI（本地二级索引）：在同一分区内以不同方式排序数据。必须在建表时创建。
- WCU / RCU：理解容量模式。单表设计有助于优化消耗的容量单位。
- TTL：使用 Time-To-Live 属性自动过期旧数据（免费删除），而不产生墓碑。
专家检查清单
在最终确定 NoSQL 模式之前：
- 访问模式覆盖：每个查询模式是否都映射到特定表或索引？
- 基数检查：分区键是否有足够唯一值以均匀分散流量？
- 分区拆分风险：任何单个分区（如单个用户的订单）是否会无限增长？（若超过 10GB，需要“分片”分区，如 USER#123#2024-01）。
- 一致性要求：应用能否容忍此读取模式的最终一致性？
常见反模式
- ❌ 分散-聚集：查询所有分区以查找一项（Scan）。
- ❌ 热键：将所有“周一”数据放入一个分区。
- ❌ 关系建模：创建 Author 和 Book 表并试图在代码中连接。（应改为在 Author 中嵌入 Book 摘要，或在 Book 中复制 Author 信息）。