Cassandra能否处理一张包含200亿条个别信息的表格？

Question

据我所知，Cassandra可以大规模扩展，但目前有limitation 用于存储20亿条个别信息。

现在，我想将信息存储在一个表中，我有200亿个数据点。一个例子可能是每个用户存储多个设备（台式PC，移动设备等），这个地球上有超过70亿个人（可能的用户）。通过每人多个设备，可以想象数据集可以达到200多亿条记录。

1. Cassandra可以处理这种情况吗？如果可能，那怎么样？
2. 如果没有，如何处理这种情况？

Answer 1

是的，Cassandra可以存储200亿或更多的单个数据。

  

单个分区中的最大单元数（行x列）为20亿。

这是您提到的limitation，但它比您的解释更具体。具体而言，该限制适用于单个分区。如果要将最大 2 x 10 ⁹ 记录插入分区，则需要至少10个单独的分区来共同存储假设的20B记录。创建10个分区很容易。

这是原始问题中“如何”的答案：当您 （应用程序开发人员）将数据分割到多个分区时

事实上，设计良好，健康的Cassandra 集群将由数千或数百万（或更多）个别分区组成。虽然每个分区理论上可以包含一组20亿个数据点，但实际上 你不太可能看到分区变得那么大，而你不应该设计你的模式意图达到这个限制。 （毕竟，是一个限制，应该避免。）

Cassandra集群中的单个节点（单独的计算机）可以存储多个分区，但每个分区的数据必须能够完全驻留在一个节点内。该节点在更改其数据时还必须对分区执行 sort 操作。您可以想象，对接近10亿个数据点的排序将花费大量时间。相反， Cassandra打算通过在多个节点上分发数据来分配工作来“大规模”扩展。生产集群很容易包含数十，数百甚至数千个个别节点。

1. 通过在多个分区之间拆分数据，避免接近2B /分区限制。
2. 每个节点将能够根据其磁盘容量保留有限数量的分区。
3. 通过向群集添加更多节点来避免受磁盘空间的限制，从而在更多磁盘上分发相同的数据。