简单地说：如果我有5 Tb的数据，并希望部署在5个cassandra服务器上 – 每台机器是否需要有5 Tb的磁盘空间用于数据（不包括日志空间）？ 从文档听起来有时卡桑德拉将需要2倍的数据大小 – 所以在arrays总共10TB /服务器或10TB？
每台机器应该有多lessRAM？ 假设5Tb全部在同一列空间中。 我一直在计划在每台机器上最大限度地使用内存，但是我不确定这是否足够。 我需要一组总共5TB的RAM吗？
如果您在您的5台服务器上均匀分布5 TB的数据，则每台服务器将托pipe1 TB的数据。 由于压缩的需要，每个服务器需要2TB的磁盘空间（在最糟糕的情况下，压缩需要磁盘空间的两倍，因为你有数据），这意味着你的集群总共有10TB。
上面的情况是您只在集群中存储单个数据副本的地方。 在这种情况下，如果服务器发生故障，五分之一的数据将无法访问。 如果要将数据的两个副本存储在群集中，则每个节点将需要4 TB的磁盘空间，这意味着群集中的总计数据量为20 TB。
假设所有数据都在RAM中，这是一个巨大且昂贵的机器。 幸运的是，在大多数应用程序中，您不需要将所有数据保存在内存中，而只需保存您的活动/活动数据。
当条目从内存中丢失时，Cassandra能够自动从HD读取数据到RAM。 相反，当不访问的logging从内存中被驱逐（“冷”数据）时。 您可以将Cassandra作为应用程序级高速caching进行比较，其中条目是帐户行。 在这种情况下，高速caching命中/未命中可以解释为cassandra文件系统磁盘上的logging，这些logging必须返回到内存中。
所以在尺码方面：
所以谈论RAM：你只需要在内存中保存足够的数据，以避免从磁盘不必要的重新获取。 这是非常依赖于应用程序。 我build议运行一些基准testing来validation每天有多less活动会话与系统中存储的会话总数之和。 如果您的系统被读取占主导地位并且读取展现时间局部性，则这适用。
检查此线程的进一步的灵感https://stackoverflow.com/questions/4924978/cache-design-questions
实时数据与总数据的比率决定了系统的RAM要求。 从本质上讲，这是卡桑德拉错失与RAM成本的折衷。 类似的考虑 – 在不同的级别 – 适用于cpucachingdevise。
cassandrabuild议每个节点的磁盘空间的性能是1/2太字节，所以除非你想等待极长的压缩和非常长的映射/缩短时间，否则你应该重新考虑需要多less台机器。