---

name: nosql-expert description: "分布式 NoSQL 数据库（Cassandra、DynamoDB）的专家指导。专注于心智模型、查询优先建模、单表设计，以及在高规模系统中避免热分区。" risk: unknown source: community date_added: "2026-02-27"

NoSQL 专家模式（Cassandra 和 DynamoDB）

概述

本技能为分布式宽列和键值存储（特别是 Apache Cassandra 和 Amazon DynamoDB）提供专业心智模型和设计模式。

与 SQL（建模数据实体）或文档存储（如 MongoDB）不同，这些分布式系统要求你先建模查询。

何时使用

• 为规模设计：从简单的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：实现需要高度优化读取的"每服务一数据库"模式。

心智转变：SQL vs 分布式 NoSQL

| 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，读取时执行 | 写入时预计算（反规范化） | | 存储成本 | 昂贵（最小化重复） | 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 | | 可扩展性 | 垂直（更大的机器） | 水平（更多节点/分片） |

黄金法则： 在 SQL 中，你设计数据模型来回答任何查询。在 NoSQL 中，你设计数据模型来高效回答特定查询。

核心设计模式

1. 查询优先建模（访问模式）

通常不能"以后再添加查询"而不进行迁移或创建新表/索引。

流程：

1. 列出所有实体（用户、订单、产品）。
2. 列出所有访问模式（"按邮箱获取用户"、"按用户获取订单并按日期排序"）。
3. 设计表专门用单次查找服务这些模式。

2. 分区键为王

数据基于分区键 (PK) 分布在物理节点上。

• 目标： 数据和流量的均匀分布。
• 反模式： 使用低基数 PK（如 status="active" 或 gender="m"）创建热分区，将吞吐量限制在单节点容量。
• 最佳实践： 使用高基数键（用户 ID、设备 ID、组合键）。

3. 聚簇/排序键

在分区内，数据按**聚簇键（Cassandra）或排序键（DynamoDB）**在磁盘上排序。

• 这允许高效的范围查询（如 WHERE user_id=X AND date > Y）。
• 它有效地为特定检索需求预排序数据。

4. 单表设计（邻接列表）

主要用于：DynamoDB（但概念适用于其他地方）

在一个表中存储多种实体类型以实现预连接读取。

| 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： 在一次网络请求中获取用户资料和所有订单。

5. 反规范化和数据复制

不要害怕在多个表中存储相同数据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：你必须管理跨表的数据一致性（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： ((分区键), 聚簇列)
• 无连接、无聚合： 不要尝试 JOIN 或 GROUP BY。在单独的计数器表中预计算聚合。
• 避免 ALLOW FILTERING： 如果在生产中看到这个，你的数据模型是错误的。它意味着全集群扫描。
• 写入便宜： 插入和更新只是 LSM 树的追加。不要像担心读取效率那样担心写入量。
• 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）： 使用 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： 使用生存时间属性自动过期旧数据。