cassandra - 在 Cassandra 中计算表的大小

Question

在 Jeff Carpenter 和 Eben Hewitt 的“Cassandra The Definitive Guide”(第 2 版)中，使用以下公式计算磁盘上表的大小(对于模糊部分，请见谅):

ck:主键列

cs:静态列

cr:常规列

cc:聚集列

Nr:行数

Nv:它用于计算时间戳的总大小(我没有完全理解这部分，但现在我将忽略它)。

在这个等式中有两件事我不明白。

第一:为什么每个常规列都计算聚类列大小？我们不应该乘以行数吗？在我看来，通过这种计算方式，我们是说每个聚类列中的数据都会为每个常规列复制，我认为情况并非如此。

第二:为什么主键列不会乘以分区数？根据我的理解，如果我们有一个具有两个分区的节点，那么我们应该将主键列的大小乘以 2，因为在该节点中我们将有两个不同的主键。

Answer 1

这是因为 Cassandra 的 version < 3 内部结构。

每个不同的分区键值只有一个条目。

对于每个不同的分区键值，静态列只有一个条目

集群键

有一个空条目

对于一行中的每一列，每个集群键列都有一个条目

让我们举个例子:

CREATE TABLE my_table (
    pk1 int,
    pk2 int,
    ck1 int,
    ck2 int,
    d1 int,
    d2 int,
    s int static,
    PRIMARY KEY ((pk1, pk2), ck1, ck2)
); 

插入一些虚拟数据:

 pk1 | pk2 | ck1 | ck2  | s     | d1     | d2
-----+-----+-----+------+-------+--------+---------
   1 |  10 | 100 | 1000 | 10000 | 100000 | 1000000
   1 |  10 | 100 | 1001 | 10000 | 100001 | 1000001
   2 |  20 | 200 | 2000 | 20000 | 200000 | 2000001

内部结构将是:

             |100:1000:  |100:1000:d1|100:1000:d2|100:1001:  |100:1001:d1|100:1001:d2|  
-----+-------+-----------+-----------+-----------+-----------+-----------+-----------+
1:10 | 10000 |           |  100000   |  1000000  |           |  100001   |  1000001  |


             |200:2000:  |200:2000:d1|200:2000:d2|
-----+-------+-----------+-----------+-----------+ 
2:20 | 20000 |           |  200000   |  2000000  |

所以表的大小将是:

Single Partition Size = (4 + 4 + 4 + 4) + 4 + 2 * ((4 + (4 + 4)) + (4 + (4 + 4))) byte = 68 byte

Estimated Table Size = Single Partition Size * Number Of Partition 
                     = 68 * 2 byte
                     = 136 byte

这里所有的字段类型都是 int(4 字节)

有4个主键列，1个静态列，2个集群键列和2个常规列

更多: http://opensourceconnections.com/blog/2013/07/24/understanding-how-cql3-maps-to-cassandras-internal-data-structure/