如何列出单节点Cassandra实例中占用空间最大的表？

针对单节点的Cassandra测试实例，有两种简单直接的方法可以定位占用空间最大的表：

方法1：使用nodetool tablestats命令 #

这是Cassandra自带的工具，能直接输出各表的详细统计信息，包括空间占用：

• 登录到Cassandra服务器，执行命令：

  nodetool tablestats
  

• 在输出结果中，找到每个表对应的Space used (live)（实际存活数据占用空间）和Space used (total)（包含已标记删除数据的总占用空间）字段。
• 对比所有表的这两个数值，就能找出占用空间最大的表。如果需要更清晰的排序，可以把输出内容导入文本编辑器，或者用管道命令过滤排序：

  nodetool tablestats | grep -E "(Keyspace :|Table :|Space used)" | grep -B2 "Space used"
  

方法2：直接查看数据目录的磁盘占用 #

Cassandra的数据默认存储在/var/lib/cassandra/data目录下（如果部署时修改过路径，替换为对应路径即可），每个Keyspace对应一个子目录，每个表又对应Keyspace下的一个子目录：

• 执行磁盘统计命令：

  du -sh /var/lib/cassandra/data/*/*
  

• 命令会输出每个表目录的总占用空间，Linux/Unix系统可以追加排序参数，按人类可读的大小排序后快速定位最大表：

  du -sh /var/lib/cassandra/data/*/* | sort -h
  

注意事项 #

• 执行TRUNCATE命令后，Cassandra会标记数据为删除，但实际磁盘空间回收需要等待compaction完成。如果需要立即回收空间，可以在TRUNCATE后执行nodetool compact <keyspace_name> <table_name>手动触发压缩。
• 因为是测试数据库，TRUNCATE操作风险较低，但执行前务必确认表名无误，避免误删重要数据。

内容的提问来源于stack exchange，提问作者darrin