Кассандра или MongoDB для нашего приложения на основе местоположения

Мы рассматриваем использование системы баз данных NoSQL для большого проекта. В настоящее время мы немного ознакомились с MongoDB и Cassandra, хотя у нас нет абсолютно никакого опыта. Мы очень хорошо разбираемся в традиционных реляционных базах данных, таких как MySQL и Microsoft SQL, но NoSQL (хранилище ключей/значений) - это новая парадигма для нас.

Итак, в основном, какую базу данных NoSQL вы рекомендуете для нашего использования?

Мы делаем как тяжелые записи, так и записи. В основном у нас есть десятки тысяч устройств, которые сообщают:

device_id (int), широта (десятичная), долгота (десятичная), дата/время (дата и время), заголовок char (2), speed (int)

Каждую минуту. Таким образом, в пиковые времена мы должны иметь возможность обрабатывать сотни записей в секунду.

Затем у нас также есть пользователи, которые запрашивают эту информацию в форме, дают мне все сообщения с device_id 1234 за последний день или на прошлой неделе. Кроме того, пользователи делают другие запросы, например, дайте мне все сообщения от device_1234, где скорость больше 50, а дата - сегодня.

Итак, наши первоначальные мысли заключаются в том, что MongoDB или Cassandra позволят нам масштабировать это намного проще, чем традиционная база данных.

Документ или значение в MongoDB или Cassandra для нас могут выглядеть так:

{
   device_id: 1234,
   location: [-118.12719739973545, 33.859012351859946],
   datetime: 1282274060,
   heading: "N",
   speed: 34
}

Какую систему вы рекомендуете? Большое спасибо.

Ответ 1

MongoDB имеет встроенную поддержку геопространственных индексов: http://www.mongodb.org/display/DOCS/Geospatial+Indexing

В качестве примера, чтобы найти 10 ближайших устройств в этом месте, вы можете просто сделать

db.devices.find({location: {$near: [-118.12719739973545, 33.859012351859946]}}).limit(10)

Ответ 2

У меня есть сообщение в приложении, основанном на местоположении, с использованием MongoDB, как и тот, который вы описали. MongoDB, с его поддержкой запросов и индексов, может сделать его лучшим выбором для вас. Как и Cassandra, MongoDB имеет разбиение на разделы и репликацию, для масштабирования чтения и записи. Их базовая архитектура очень отличается.

Несмотря на то, что вы не указали какие-либо запросы на основе местоположения, если вас интересуют запросы типа "дайте мне все устройства в радиусе r местоположения l и между временем t1 и t2", вы найдете геопространственный запрос MongoDB и индексирование чрезвычайно полезно.

Ответ 3

Я проделал определенную работу с mongodb и геопространственными данными, но не по упомянутой выше шкале. Геопространственные поиски очень быстры, намного больше, чем mysql.

Я предлагаю изучить возможности mongodb sharding, replication и clustering для работы с объемом записей. Осколок через идентификатор устройства может быть хорошим способом работы с объемом записи. Если вас интересует близость событий, то более подходящим может быть осколок через lat/lng.

Гнездо

Ответ 4

Пойдите с mongodb для поиска геолокации. Версия 2.4 улучшает основные функции географии. Многие крупные сайты используют его для поиска геолокации.

Ответ 5

Вы можете использовать ElasticSearch. ES хранит JSON исходного документа вместе со всеми проиндексированными полями. JSON может быть внедрен в любые современные переменные/аргументы. В Java можно даже отключить это и сохранить собственные данные о сохранении Java в поле. После поиска, просто выполните цикл и создайте экземпляр исходных типов объектов.

Использование Elastic Search дает вам индексы Trie для индексов высокоскоростных индексов диапазона, очевидно, что вы получаете полный текстовый поиск каждого аромата и запросы на географические ограничивающие прямоугольники, все в фильтрах AND или OR. Поиск по дате также является родным (хотя Java-передача дат сосет, поэтому я переключился на представления BIG INT временных меток для представления дат)

НЕОБХОДИМО использовать некоторые прошлые и, возможно, существующие решения NoSQL, географическое индексирование и запрос являются ЧАСТЬю любого запроса и никаких дополнительных шагов не требуется. I.E., одно решение MongoDB в недавнем прошлом потребовало геопространственного поиска для сбора соответствующих идентификаторов документов, затем вы использовали эти идентификаторы внутри другого запроса и искали в них те же критерии по другим критериям. В действительности, то, что происходит во всех решениях в любом случае, но это намного быстрее и кэшируется в ElasticSearch.