Question

我有一张带有太字节数据的Cassandra表（Cassandra版本是2.0），这里是架构的样子

"my_table" (
  key ascii,
  timestamp bigint,
  value blob,
  PRIMARY KEY ((key), timestamp)
)

我想删除一些数据，但在想要估算它将回收多少磁盘空间之前。

不幸的是，JMX指标的统计数据仅在过去两周内可用，因此不太有用。

有没有办法检查某些数据集使用了多少空间（例如时间戳<1000）？

我还想知道是否有办法检查查询结果集大小，以便我可以执行select * from my_table where timestamp < 1000之类的操作，并查看结果占用的字节数。

Answer 1

没有机制可以从数据中查看磁盘上的大小，它可以远离请求的协调器以及影响它的影响级别，如压缩和多个sstables，这将使其变得困难。

另请注意，发出删除不会立即减少磁盘空间。 C *不删除数据，sstables是不可变的，不能更改。相反，它会在gc_grace_seconds消失后写入一个墓碑条目。当sstables被合并时，墓碑+数据将合并为墓碑。超过gc_grace_seconds后，在压缩过程中将不再复制墓碑。

gc_grace是为了防止在分布式系统中丢失删除，因为直到修复（应该安排〜每周），并不能绝对保证所有副本都能看到删除。如果副本没有看到删除并删除了逻辑删除，则数据可以返回。

Answer 2

不，不是真的。

使用sstablemetadata，您可以在mc-####-big-data.db文件中找到逻辑删除丢弃时间，最小时间戳和最大时间戳。

此外，如果您的硬盘空间不足，请考虑nodetool cleanup，nodetool clearsnapshot，然后再考虑nodetool repair。