cassandra和redshift的存储引擎非常不同，它们是为不同的情况创建的。cassandra的存储并不是真正意义上的“列式”存储，像redshift、vertica等，它更接近nosql世界中的键值族。cassandra中使用的sql语法不是任何ansisql，它可以在那里运行的查询集非常有限。cassandra的引擎是为基于键的记录的快速写入和读取而构建的，而redshift的引擎是为快速聚合（mpp）而构建的，它广泛支持分析查询，并在列级别存储、编码和压缩数据。
下面的例子很容易理解：
假设我们有一个带有用户id和许多指标（例如体重、身高、血压等）的表。我们将以红移方式运行聚合查询，如平均权重，它将执行以下操作（在最佳情况下）：
主节点将向节点发送查询。
只有此特定列的数据将从存储中获取。
查询将在所有节点上并行执行。
最终结果将被送到主控室。
在cassandra中运行相同的查询，将导致扫描所有“行”，并且每个“行”可以有多个版本，在聚合中只能使用最新的版本。如果您熟悉任何键值存储（redis、riak、dynamodb等），那么它比扫描那里的所有键值效率要低。
cassandra多次使用spark作为分析工作流的存储层，而spark作为实际的查询引擎，基本上不应该单独用于分析查询。随着每个版本的发布，添加了越来越多的聚合功能，但它离真正的分析数据库还很远。