azure - cassandra数据复制理解

Question

我正在 Azure 上使用 Cassandra 集群。我花了 1 个多星期的时间才完成设置并开始工作。它现在可以工作，但我认为我误解了 Cassandra 的 1 个概念，即数据如何存储？

我的印象是，每当我上传数据时，相同的数据将在所有机器上可用，即如果我上传 10 MB 文件和 4 个节点(2 个种子)，所有 4 个节点将消耗 10MB。我想我的想法是错误的。

因为我刚刚创建了 4 个节点并上传了大约 (2 + 5 + 20 + 20 = 47 MB​​) 的数据(blob)，但是当我检查状态时，我看到下面的内容

--  Address   Load       Tokens  Owns (effective)  Host ID                               Rack
UN  10.1.2.5  28.32 MB   256     47.5%             xxxxxxxx-eb9a-46fb-8213-c7487074d9a8  rc1
UN  10.1.2.4  27.14 MB      256     51.3%             xxxxxxxx-11ed-41c6-be8b-a912e54b1ccf  rc1
UN  10.1.2.7  25.09 MB   256     50.1%             xxxxxxxx-9e73-410a-b1bf-5bfd15138625  rc2
UN  10.1.2.6  23.32 MB   256     51.2%             xxxxxxxx-d132-49b6-8eda-4459391d12e4  rc2

顺便说一句，表的复制因子是“2”。负载每隔几分钟就会略有变化。但我可以下载数据并且它符合预期!

抱歉，我的懒惰和不公平，我已经用谷歌搜索设置一周了，如果您能帮助我理解这一点或至少向我指出正确的链接，我将非常感激。

谢谢，尼纳德

Answer 1

这看起来是预期的结果。根据您的复制因子，您的每条数据都会被复制 2 次。因此，分布在 4 个节点上的 47 Mb 乘以 2 大约会导致每个节点上大约 25 mb。