我正在cassandra中为时间序列数据做一些数据建模，我决定实现bucket来调节分区大小并在集群上保持合理的分布。
我决定使用bucketise，这样我的分区就不会超过10mb的大小，因为我已经看到很多资料表明这是一个理想的分区大小，但我找不到任何关于为什么选择10mb的信息。除此之外，我从datastax或apache中找不到任何提到10mb软限制的内容。
我们的数据可以被请求很长一段时间，这意味着如果分区大小保持在10mb，那么需要很多分区来服务1个请求。我更愿意增加分区的大小，并且需要更少的分区来服务这些请求。
10mb分区大小的概念从何而来？还相关吗？如果我的分区大小是20mb，那会有什么不好呢？甚至50mb？
这么多地方引用了10mb，我觉得肯定有什么东西。如有任何信息，我们将不胜感激。干杯。
1条答案
按热度按时间of1yzvn41#
我认为这些建议中的许多都来自于旧时代，那时对宽分区的支持不是很好——当我们读取数据时，堆承受了很大的压力，等等。。自从Cassandra3.0以来，情况有了很大的改善，但仍然建议将磁盘大小控制在100mb以下。
例如，税务规划指南在“估计分区大小”一节中说：
一个好的经验法则是将最大行数保持在100000项以下，磁盘大小保持在100MB以下
在cassandra的最新版本中，我们可以超越这个建议，但是仍然不建议这样做，尽管这在很大程度上取决于访问模式。你可以在下面的博客文章和视频中找到更多信息。
我见过有60+gb分区的用户-系统仍然工作，但数据分布不理想，因此节点变得“热”，性能可能会受到影响。