在《如何安裝和配置Cassandra》中，我們可以在DataFileDirectories中配置數據的存放位置。

當Cassandra啟動后，向其中插入的數據就會放在DataFileDirectories的目錄下，如圖：

這里有2個Column Family，分別是Standrad1，Super1。

大家可以想象，如果沒有壓縮功能的話，那么隨著數據量的增加，DataFileDirectories目錄中的文件會越來越多。

在Cassandra中的壓縮功能避免了在DataFileDirectories目錄中存在大量的數據文件。

設置壓縮參數

當Cassandra啟動以后，我們可以使用sh bin/nodetool –h hostname –p jmxport getcompactionthreshold 獲得到當前Cassandra的壓縮參數：最小壓縮值，最大壓縮值。

我們也可以使用sh bin/nodetool –h hostname –p jmxport setcompactionthreshold minthreshold maxthreshold的命令設置Cassandra的最小壓縮值和最大壓縮值。

手工關閉壓縮功能

為了測試，我們可以先將壓縮功能關閉，執行如下命令即可：sh bin/nodetool –h hostname –p jmxport setcompactionthreshold 0 0

執行完這個命令，Cassandra的壓縮功能就關閉了，當我們插入大量數據以后，你會發現在DataFileDirectories目錄下出現了大量的數據文件。

手工啟動強制壓縮

在上一步中，我們關閉了壓縮，這樣做的好處是可以提高大數據量導入的速度（后面會介紹到這個問題）。但是缺點是導致DataFileDirectories目錄下出現了大量的數據文件。

如果想將這些數據文件壓縮。我們可以執行如下命令： sh bin/nodetool –h hostname –p jmxport? compact

當執行完這個命令后，Cassandra會將不同的Column Family文件分別合并成一個文件。合并的順序是按照數據文件產生的時間先后順序進行合并的。

正常的壓縮流程

由于Cassandra的壓縮參數是無法在配置文件中設定的，所以每次啟動Cassandra，都會使用默認的參數：最小壓縮值 4，最大壓縮值 32。

壓縮操作會在已下2個場景中使用：

Cassandra啟動

當Cassandra啟動的時候，會執行壓縮操作：遍歷每一個CF的文件數量，如果超過了最小值4，那么就會求一個平均值（ (4 + 32)/2 ），然后按照數據文件產生的時間先后順序排序，取這個平均值和實際文件數量的較小的數來做一個文件的合并操作。

有新的SSTable文件需要寫入磁盤

當memtable中的數據達到閥值時（這個閥值的大小可以在配置文件中指定），將會產生一個新的SSTable文件。這個時候，系統就會進行上面“Cassandra啟動”的邏輯進行判斷，是否需要進行壓縮操作，如果需要進行壓縮操作，哪些文件就會被合并。

?

以上介紹的這些就是Cassandra中壓縮操作的工作情況。更多的詳細信息可以參考org.apache.cassandra.db.CompactionManager。

希望這篇文章能幫助你理解Cassandra中的壓縮操作。

?

更多關于Cassandra的文章：http://www.cnblogs.com/gpcuster/tag/Cassandra/

總結

以上是生活随笔為你收集整理的介绍Cassandra中的压缩的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。