在 Jeff Carpenter 和 Eben Hewitt 的“Cassandra The Definitive Guide”（第 2 版）中，使用以下公式计算磁盘上表的大小（对模糊部分表示歉意）：
这个等式有两点我不明白。
第一：为什么要为每个常规列计算聚类列的大小？我们不应该将它乘以行数吗？在我看来，通过这种方式计算，我们是说每个聚类列中的数据会针对每个常规列进行复制，我认为情况并非如此。
第二：为什么主键列不乘以分区数？根据我的理解，如果我们有一个具有两个分区的节点，那么我们应该将主键列的大小乘以 2，因为我们将在该节点中有两个不同的主键。
【问题讨论】：
标签： cassandra
这是因为 Cassandra 的版本
举个例子：
CREATE TABLE my_table (
pk1 int,
pk2 int,
ck1 int,
ck2 int,
d1 int,
d2 int,
s int static,
PRIMARY KEY ((pk1, pk2), ck1, ck2)
);
插入一些虚拟数据：
pk1 | pk2 | ck1 | ck2 | s | d1 | d2
-----+-----+-----+------+-------+--------+---------
1 | 10 | 100 | 1000 | 10000 | 100000 | 1000000
1 | 10 | 100 | 1001 | 10000 | 100001 | 1000001
2 | 20 | 200 | 2000 | 20000 | 200000 | 2000001
内部结构将是：
|100:1000: |100:1000:d1|100:1000:d2|100:1001: |100:1001:d1|100:1001:d2|
-----+-------+-----------+-----------+-----------+-----------+-----------+-----------+
1:10 | 10000 | | 100000 | 1000000 | | 100001 | 1000001 |
|200:2000: |200:2000:d1|200:2000:d2|
-----+-------+-----------+-----------+-----------+
2:20 | 20000 | | 200000 | 2000000 |
所以表格的大小将是：
Single Partition Size = (4 + 4 + 4 + 4) + 4 + 2 * ((4 + (4 + 4)) + (4 + (4 + 4))) byte = 68 byte
Estimated Table Size = Single Partition Size * Number Of Partition
= 68 * 2 byte
= 136 byte
【讨论】：
Number Of Partition ?
作为作者，我非常感谢您提出的问题以及您对材料的参与！
关于原来的问题——记住这不是计算表大小的公式，而是计算单个分区大小的公式。目的是将此公式与“最坏情况”的行数一起使用，以识别过大的分区。您需要将此等式的结果乘以分区数，以估算表的总数据大小。当然，这并没有考虑复制。
也感谢那些回答原始问题的人。根据您的反馈，我花了一些时间研究新的 (3.0) 存储格式，看看这是否会影响公式。我同意 Aaron Morton 的文章是一个有用的资源（上面提供了链接）。
公式的基本方法对于 3.0 存储格式仍然有效。公式的工作方式，你基本上是在添加：
更新 3.0 存储格式的公式需要重新访问常量。例如，原始方程假设每个单元有 8 个字节的元数据来存储时间戳。新格式将单元格上的时间戳视为可选，因为它可以在行级别应用。出于这个原因，现在每个单元格的元数据量是可变的，可能低至 1-2 个字节，具体取决于数据类型。
在阅读此反馈并重读本章的该部分后，我计划更新文本以添加一些说明以及更强烈的警告，说明此公式作为近似值而不是精确值有用。它根本没有考虑一些因素，例如写入分布在多个 SSTable 以及墓碑上。实际上，我们计划在今年春天（2017 年）再次印刷以更正一些勘误，因此请尽快寻找这些更改。
【讨论】：