我目前正在运行一个项目，我们需要每年为大约 2 亿个帐户存储 400 亿份文档（PDF、TIFF），我想知道是否可以使用 Cassandra 来实现这一点？这主要是因为 Cassandra 设计中的可扩展性、稳定性和多数据中心使用。
但我想知道使用 Cassandra 是否是一个好主意 - 或者像 CouchDB 这样的替代方案会是更好的选择吗？
请注意，我们不需要在文档中进行全文搜索，并且对于每个文档，每个文档只会附加有限的元数据 - 例如日期、时间、来源、所有者和唯一 ID，以及一些关键字.对文档的访问通常通过对所有者 ID 的查询来完成，并从那里通过来源和可选的日期/时间选择所需的文档。所以没什么特别的。
感谢您对此的看法。
【问题讨论】：
标签： storage document cassandra
只是一些想法：
您可能还需要考虑分布式文件系统，例如 HDFS。
每年 400 亿次是每秒 1361 次 - Cassandra 可以处理这种写入负载，假设文档大小适中，而不是所有巨大的数兆字节文件。
您预期什么样的读取负载？
这些文件是否会被永久保存，即每年无限期地增加 400 亿个文件？
如果一个文档是 100KB（比方说），那我认为是每年 4 PB？我还没有听说过这么大的 Cassandra 集群 - 值得在 Cassandra mailing list 上提问（用一些真实的数字而不是我的猜测！）。
我听说 Cassandra 节点通常可以在重负载下管理 1TB，在轻负载下可能管理 10TB。所以第一年至少有一个 400 个节点的集群，可能更多，尤其是如果你想要复制的话。
This page 给出了 2009 年 HDFS 功能的一些数据 - 14 PB（6000 万个文件）使用 4000 个节点，以及许多其他有趣的细节（例如，名称节点需要 60GB 的 RAM）。
【讨论】：