如何在Cassandra集群节点间实现数据分片而非全量复制？

首先直接给结论：你的需求没办法通过当前的Keyspace配置实现，但问题不是你漏了什么配置，而是对Cassandra的复制机制理解有点偏差。

咱们来拆解下原因：

• 你创建Keyspace时设置的dc1: 2是复制因子（Replication Factor, RF），它的作用是指定每个数据分片（token range）在对应数据中心里要保留多少个副本。当RF=2时，dc1里的每一段分片数据都会在两个节点上各存一份——这完全是Cassandra的正常行为，所以你写入4行数据，两个节点都有全量副本是必然的。
• 再看你贴的nodetool status输出，两个节点的Owns (effective)分别是50.3%和49.7%，这说明集群的token范围已经正确分片了，每个节点本来就负责一半的token区间。但因为RF=2，每个节点既要存自己负责的分片，还要存另一个节点分片的副本，结果就是每个节点都有全量数据。

那怎么实现你要的“两个节点各存一半数据”呢？
你需要把Keyspace的复制因子改成1，执行这条修改语句：

ALTER KEYSPACE dcTest WITH REPLICATION = { 'class' : 'NetworkTopologyStrategy', 'dc1' : 1 };

修改完成后，记得运行nodetool repair让集群同步数据。之后新写入的数据只会在一个节点上保存，每个节点会存储大约一半的数据量（因为Cassandra是按token范围分片，不是精确按行数拆分，所以4行的话可能是2和2，也可能是1和3，取决于partition key的token分布）。

最后提个重要的注意点：
RF=1意味着没有数据冗余，一旦其中一个节点挂了，它负责的那部分数据就彻底无法访问了。如果是生产环境，这种配置风险很高，你需要在“节省存储”和“高可用性”之间做权衡。

内容的提问来源于stack exchange，提问作者user7866584