Question

我一直在阅读Cassandra文档的this section，发现以下内容有点令人费解：

确定列开销：

regular_total_column_size = column_name_size + column_value_size + 15

counter - expiring_total_column_size = column_name_size + column_value_size + 23

Cassandra中的每一列都会产生15个字节的开销。由于表中的每一行都可以具有不同的列名以及不同的列数，因此会为每列存储元数据。对于计数器列和到期列，您应该再添加8个字节（总共23个字节）。

我为CQL3定义的模式解释上述方法，例如：

CREATE TABLE mykeyspace.mytable(
  id text,
  report_id text,
  subset_id text,
  report_date timestamp,
  start_date timestamp,
  end_date timestamp,
  subset_descr text,
  x int,
  y double,
  z int,
  PRIMARY KEY (id, report_id, subset_id)
);

是每行包含列名称的元数据，例如字符串report_date，start_date，end_date等，以及它们的类型以及数据。但是，我不清楚表中的每一行可以有不同的列名是什么意思。这听起来不对我，因为上面的架构完全是静态，即如果我尝试写的话，Cassandra 2.0肯定会抱怨：

INSERT INTO mykeyspace.mytable (id, report_id , subset_id, x, y, z, w) 
VALUES ( 'asd','qwe','rty',100,1.234,12, 123.123);

Bad Request: Unknown identifier w

现在，我认为在给定此表模式的情况下，列名称是固定的，因此不需要每行存储元数据。我猜测文档中的措辞是否过时（它与Cassandra 1.2相同）或者我在这里误解了一些核心概念。

任何人都可以澄清吗？一句话：我是否要担心列名称的长度？

我们一直在安全地玩它并尽可能使用单个字符名称（因此上面的列实际上是i，r，s，dr，{{ 1}}，ds，de，...），但它是非人类不可读的，可能会让人感到困惑。

Answer 1

在这种情况下弄清楚发生了什么的最简单方法是检查数据的sstable2json（cassandra / bin）表示。这将显示最终实际保存在磁盘上的内容。

以下是您的情况示例

 [
 {"key": "4b6579","columns": [
       ["rid1:ssid1:","",1401469033325000],
       ["rid1:ssid1:end_date","2004-10-03 00:00:00-0700",1401469033325000],
       ["rid1:ssid1:report_date","2004-10-03 00:00:00-0700",1401469033325000],
       ["rid1:ssid1:start_date","2004-10-03 00:00:00-0700",1401469033325000], 
       ["rid1:ssid1:subset_descr","descr",1401469033325000],
       ["rid1:ssid1:x","1",1401469033325000], 
       ["rid1:ssid1:y","5.5",1401469033325000],
       ["rid1:ssid1:z","1",1401469033325000],
       ["rid2:ssid2:","",1401469938599000],
       ["rid2:ssid2:end_date", "2004-10-03 00:00:00-0700",1401469938599000],
       ["rid2:ssid2:report_date","2004-10-03 00:00:00-0700",1401469938599000],
       ["rid2:ssid2:start_date","2004-10-03 00:00:00-0700",1401469938599000], 
       ["rid2:ssid2:subset_descr","descr",1401469938599000],
       ["rid2:ssid2:x","1",1401469938599000],
       ["rid2:ssid2:y","5.5",1401469938599000],
       ["rid2:ssid2:z","1",1401469938599000]
 }
 ]

如上所述，每个分区（每个sstable）保存一次分区键的值，在这种情况下，列名称根本不重要，因为它是给定表隐式的。群集列的列名也不存在，因为使用C *时，不允许在不指定键的所有部分的情况下插入。

虽然剩下的东西确实有列名，但是这需要对行进行部分更新，这样就可以保存它而不需要其余的行信息。您可以想象对行中单个列字段的更新，以指示哪个字段是C *当前使用列名称，但是有票据将此更改为更小的表示。 https://issues.apache.org/jira/browse/CASSANDRA-4175

生成此

cqlsh
CREATE TABLE mykeyspace.mytable(   id text,   report_id text,   subset_id text,   report_date timestamp,   start_date timestamp,   end_date timestamp,   subset_descr text,   x int,   y double,   z int,   PRIMARY KEY (id, report_id, subset_id) );
INSERT INTO mykeyspace.mytable (id, report_id , subset_id , report_date , start_date , end_date , subset_descr ,x, y, z) VALUES ( 'Key', 'rid1','ssid1', '2004-10-03','2004-10-03','2004-10-03','descr',1,5.5,1);
INSERT INTO mykeyspace.mytable (id, report_id , subset_id , report_date , start_date , end_date , subset_descr ,x, y, z) VALUES ( 'Key', 'rid2','ssid2', '2004-10-03','2004-10-03','2004-10-03','descr',1,5.5,1);
exit;
nodetool flush
bin/sstable2json $DATA_DIR/mytable/mykeyspace-mytable-jb-1-Data.db

了解Cassandra的存储开销

1 个答案: