我的查询是：
给定用户id，根据该用户的评分与其他用户的评分进行比较，为该用户找到合适的歌曲推荐。
我希望这里的一切都是实时的。因此，随着事件的发生，适当地对建议进行加权，并维护一个支持之类查询的列族
SELECT recommendation_id FROM cf WHERE user_id=123 AND recommendation_type='song'
所以，我想的是一个类似于专栏家族的东西，它存储用户的所有评分（每首歌都是一个专栏），然后是一组推荐。然而，我无法想出一种方法来实现实时工作。我想要一个风暴拓扑，填充评级以及可能的建议。
另一件看起来很混乱的事情是，它需要在cassandra中进行大量更新。如果它只是创造就会更好，对吧？
我一直在努力寻找这样一个数据模型的例子，但还没有找到。其他人找到的任何资源都会有所帮助。
更新：另一种解决问题的方法是，我正在尝试找到一种支持迭代协作过滤的数据结构。这可能吗？
我最近在Spotify上看到了这些关于使用ML+Hadoop进行矩阵分解预测分析的幻灯片。正如您将在幻灯片11中看到的，Cassandra在图中，但大多数结果都是每晚预先计算的。
您可能想要使用CQL集合，包括集合、映射和列表。看看Datastax社区的这篇博客文章：
http://www.datastax.com/dev/blog/cql3_collections