我们正在尝试减少当前的磁盘使用量。在这样做时，我们注意到我们存储的大多数信息主要是元数据，包括在多个表和行中重复的相同字符串。
由于字符串通常比整数占用更多空间，我们认为我们可以用整数替换这些字符串以减少磁盘使用量。我们这样做了，发现磁盘消耗量差别不大。
我们只注意到元数据字符串中存在较大差异时的显着差异。即字符串变化多了。
所以现在我想知道Cassandra 2.1是否采用了一些巧妙的方法来存储重复信息，如果是这样，有人能指出一些关于它如何做到这一点的来源吗？我一直无法找到有关此事的任何内容。
感谢。
答案 0 :(得分：3)
Cassandra从不混合属于不同表格的数据，因此如果你的字符串在多个表格中重复，那么C *就无法以任何方式混合优化它们。
唯一的问题是C *（除非你禁用它）在SSTable刷新期间使用压缩。根据您设计表格的方式，压缩比C *将会大大改变。例如，将字符串列作为聚类键，压缩算法将大大受益。并且有太多的小记忆可能会影响每个SSTable的压缩率。