Cassandra中SSTable是什么？与关系型表的区别及相关机制问询

1. SSTable的具体定义是什么？ #

SSTable全称是Sorted String Table，是Cassandra最核心的持久化存储结构，属于不可变的、有序的键值对存储文件。当内存中的MemTable达到设定阈值触发刷写操作时，就会生成对应SSTable，所有写入的键值数据会按照分区键的字典序排序后存储，写入完成后的SSTable不会再被修改。

2. SSTable与传统关系型数据库中的表有哪些核心差异？ #

• 可变性差异：SSTable是不可变结构，写入后不会再做修改，数据更新、删除操作都是通过写入新的SSTable、后续合并（Compaction）时清理旧数据实现；关系型数据库的表是可变结构，支持原地修改、删除数据。
• 排序逻辑差异：SSTable仅按照分区键做全局有序存储，同一分区的所有数据连续排布，不会默认按其他字段排序；关系型数据表可以通过索引实现多维度的排序、查询。
• 存储形态差异：Cassandra中一个逻辑表对应多个SSTable文件，同一逻辑表的数据会分散在多个SSTable中；关系型数据库的一个表通常对应一组可原地修改的存储文件，逻辑和物理的对应关系更紧密。
• 查询逻辑差异：SSTable的查询需要先定位到对应分区，再在有序结构中检索，不支持不带分区键的全表随机查询；关系型数据库的表支持更灵活的查询条件。

3. SSTable是否存储在磁盘上？ #

是。SSTable是Cassandra的持久化存储结构，生成后就会持久化保存在磁盘上，除非后续Compaction过程中被合并清理。内存中只会缓存SSTable的元数据、热点数据块，完整的SSTable文件均存储在磁盘中。

4. Bloom Filter、Sparse Index与SSTable之间存在怎样的关联？ #

二者都是SSTable的内置元数据结构，用于加速SSTable的查询效率，避免每次查询都遍历整个SSTable文件：

• Bloom Filter：每个SSTable对应一个独立的布隆过滤器，存储该SSTable中所有分区键的哈希特征。查询时可以先通过布隆过滤器快速判断某个分区键是否存在于当前SSTable中，如果不存在就直接跳过这个SSTable，大幅减少不必要的磁盘IO。
• Sparse Index（稀疏索引）：每个SSTable的稀疏索引存储了部分分区键到对应数据块在文件中偏移量的映射。因为SSTable是有序结构，只需要每隔一定大小的数据块记录一个索引条目，就可以通过二分查找快速定位到目标分区键所在的数据块位置，不需要存储全量索引，既节省内存也加快了查询速度。

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