我们正在研究使用cassandra存储临床试验数据。数据基本上是氧饱和度和呼吸率（以及其他一些东西）。我们还需要存储患者标识符、就诊代码和设备代码。我们希望只需要按唯一的患者/就诊检索数据。然而，每个病人可能有500000多个记录。可能有1000个病人和100个医疗设施。我的问题涉及表的设计，以确保快速检索数据：
Create table OxygenSats
(
facility int,
visit text,
pat_id text,
probe_id text
event timestamp,
oxygen float,
resp int,
Primary key((facility, visit), pat_id)
);因此，我认为数据将聚集在pat\u id上，并在（facility，visit）上进行分区。是这样吗？阅读速度非常重要。我们需要按患者选择（基本上是设施、就诊、患者）并按日期筛选。
对于我们正在处理的数据类型，这是一种最佳的方法吗？感谢您的指导/建议。
我们需要的查询相当简单-我们只需要选择患者的所有数据（按日期筛选也很有用）：
select oxygen, resp from OxygenSats where facility = '1', and visit = '1' and pat_id = '22'
1条答案
按热度按时间vi4fp9gy1#
您的想法是正确的，它是在（设施，就诊）的组合键上分区的，并在patïid上聚集的。这里就诊的唯一性是关键的，但没有指定，现在我们无法判断患者每次就诊的就诊是否是全局唯一的。有关select查询的更多详细信息也很有用，它们是包括范围查询还是只包括点查询？
您可以使用nosqlbench github repo和docs对其进行基准测试—这将使您在使用之前对性能有一个很好的了解。
建议的分区大小上限是100MB，因此可以围绕每个分区的数据大小和记录数进行一些计算，以确定密钥是否会导致分区大小问题。