如何获取Cassandra表的行大小？适配DynamoDB迁移检查

由于DynamoDB存在400KB的单条记录限制，迁移前排查Cassandra中行的大小是必要的，以下是几种实用方案：

1. 用CQL原生函数直接计算行大小 #

通过bloblength()结合concat()将行内所有字段拼接为二进制后计算字节长度，示例语句：

SELECT bloblength(concat(
    blobAsText(id),
    blobAsText(username),
    blobAsText(email)
)) AS row_size_bytes
FROM your_keyspace.target_table
LIMIT 200;

若包含集合类型（list、map等），可先用toJson()转为字符串再计算：

SELECT bloblength(concat(
    blobAsText(id),
    toJson(user_preferences)
)) AS row_size_bytes
FROM your_keyspace.target_table;

2. 借助sstabledump工具分析SSTable文件 #

Cassandra的sstabledump可将SSTable导出为JSON，再通过脚本统计每行大小：

1. 定位目标表的SSTable文件（通常路径为/var/lib/cassandra/data/[keyspace]/[table]-xxxx）
2. 执行导出命令：

sstabledump /path/to/your/sstable > table_dump.json

3. 用Python或Shell脚本遍历JSON统计大小（以下是Python示例）：

import json

with open('table_dump.json', 'r') as f:
    rows = json.load(f)
    for row in rows:
        row_json_str = json.dumps(row)
        byte_size = len(row_json_str.encode('utf-8'))
        print(f"Row key: {row['key']}, Size: {byte_size} bytes")

注：该结果是近似值，因为SSTable可能存在压缩，但足以用于迁移前的阈值排查。

3. 创建自定义UDF简化查询 #

如果需要频繁查询行大小，可封装计算逻辑为UDF：

CREATE OR REPLACE FUNCTION calc_row_size(
    col1 text, col2 int, col3 map<text, text>
) RETURNS int LANGUAGE java AS $$
    int totalSize = 0;
    if (col1 != null) totalSize += col1.getBytes().length;
    if (col2 != null) totalSize += 4; // int类型固定占4字节
    if (col3 != null) totalSize += com.fasterxml.jackson.databind.ObjectMapper().writeValueAsString(col3).getBytes().length;
    return totalSize;
$$;

使用时直接调用：

SELECT calc_row_size(col1, col2, col3) AS row_size_bytes FROM your_keyspace.target_table;

注意：需在cassandra.yaml中设置enable_user_defined_functions: true，且UDF会带来一定性能开销，建议仅用于临时排查。

4. 利用监控指标查看行大小分布 #

通过Cassandra内置的org.apache.cassandra.metrics.Table.RowSizeHistogram指标，可查看表中行大小的分布直方图，借助Prometheus、Grafana等工具能快速获取95%、99%分位数的行大小，判断是否存在超出DynamoDB限制的记录。

内容的提问来源于stack exchange，提问作者user20035511