我是卡桑德拉的新手。我研究并对Cassandra数据库进行了一些测试，我得到了一些问题：
-
考虑到Cassandra鼓励数据的非规范化和重复，当多个列族中的数据仅从其中一个列族更新时，如何保证数据的一致性？
-
表中的列数会影响查询性能吗？
-
确实，查询返回的记录数越多，其性能就越差？
-
在Cassandra中使用mapreduce在什么情况下有用？
鉴于Cassandra鼓励
的非规范化和重复数据，当存在于多个列族中的数据为
时仅从其中一个列族更新数据一致性保证？
这正是BATCH在卡桑德拉引入的原因。即使使用BATCH，您仍然处于分布式系统中，在对数据建模时也需要这样思考。既然你没有具体的问题，我们将继续从理论上讨论。
表中的列数会影响查询性能吗？
与其说是列的数量，不如说是每个分区的大小。分区越大，Cassandra的一些内部机制（如压缩）就越难工作。如果您不熟悉数据是如何存储在磁盘上的，我建议您看一下本教程。
的确，查询返回的记录数越多，它的性能更差？
这是物理学。更多的数据=GC收集ETC的更多IO、带宽和对象。考虑到Cassandra是作为事务数据存储构建的，它不是为超大的数据返回/全表扫描而构建的（很少有真正的分布式系统）。上面链接的教程做了很好的解释。
在Cassandra中使用mapreduce在什么情况下有用？
如果你有兴趣在Cassandra上运行分析，我建议你使用Spark，因为在商业和开源层面上，已经做了很多工作来优化Spark和Cassandra的关系。当你对Cassandra的工作方式感到满意时，如果你有兴趣对Cassandla进行任何分析，我建议你看看本教程。它谈到了商业产品，但概念/教程也将适用于开源。
- 如果你的意思是如何在Cassandra中支持非规范化数据的一致性，答案是——只使用自定义逻辑。但一旦Cassandra不支持事务（即关系数据库中的事务，而不是原子操作），这将是一项相当困难的任务。实际上，如果您需要相关数据处于强一致状态，那么应该使用关系数据库
- 它在某种程度上确实存在，但没有那么多考虑
- 这可能取决于查询本身，但在一般情况下，由于需要通过网络传输更多数据，性能会下降
- 例如，当您想进行全表扫描时，将MapReduce与Cassandra一起使用可能会很有用。它与关系数据库在查询未索引字段时所做的工作非常相似。他们进行全扫描比较字段值。不过，MapReduce逻辑可能更复杂。例如，出于分析目的