我在一台机器中使用相同的输入数据对HDFS和Cassandra的存储量进行评估。HDFS和Cassandra都只有1个副本。我的输入数据是二进制字节，总共 31M。事实证明，HDFS的数据比Cassandra少。
-
HDFS ： 16.4 M. (使用压缩。区块策略((
-
卡桑德拉：50M.(使用CQL接口，默认设置(例如压缩((
这怎么可能，因为卡桑德拉使用列式存储？
有人可以帮助我弄清楚吗？非常感谢。
我的Cassandra版本是2.1.9。
如果使用 3.+，您将看到更好的 C* 磁盘使用率。 这是 2.1 的东西，需要列名以及每个字段，所以如果你有 10 个字段，情况会更糟。3.x要好得多，因为它不存储冗余数据。
HDFS和C*是解决不同类型问题的两种完全不同的东西。如果您只是在寻找磁盘空间中最高效的使用，那么hdfs可能是您想要的，因为它可以更有效地存储大量二进制数据。如果您正在寻找更快的读/写，C* 可能是更好的选择。C* 添加到数据中，以组织和提高查询效率，并提供有关数据的保证(以实现一致性(。压缩将获得一些回报，但在很多情况下，它会占用比原始数据更多的空间。