Cassandraはストリングを繰り返してストレージを最適化しますか？

Question

現在のディスク使用量を減らそうとしています。そうすることで、私たちが保存する情報のほとんどは、大部分が複数のテーブルや行にまたがる同じ文字列からなるメタデータです。

文字列は整数よりも多くのスペースを占有する傾向があるため、ディスク使用量を減らすためにこれらの文字列を整数に置き換えることができると考えました。私たちはこれを行い、ディスク消費量にほとんど差がないことに気付きました。

メタデータ文字列のバラツキが大きい場合には、大きな違いがあることに気付きました。私。ストリングはさらに変化しました。

私はCassandra 2.1に繰り返し情報を格納する巧妙な手段を採用しているのではないかと疑問に思っています。私はこの問題について何も見つけることができませんでした。

ありがとうございました。

Answer 1

Cassandraは異なるテーブルに属するデータを混ぜ合わせないので、文字列が複数のテーブルにまたがって繰り返される場合、C *はどのような方法でもそれらを混在最適化できません。

唯一のことは、C *（無効にしない限り）がSSTableフラッシュ中に圧縮を使用することです。テーブルをどのように設計するかにより、圧縮率C *は大きく変わります。一例として、圧縮アルゴリズムは、文字列列をクラスタリングキーとして使用することにより大きな利益を得ます。小さすぎるmemtablesを持つと、各SSTableの圧縮率に影響する可能性があります。