Cassandra：TEXT（VARCHAR）和ASCII之间的区别

Question

我理解text和varchar是别名，它们用于存储UTF-8字符串。 那么对于ASCII呢，在文档中写着“US-ASCII字符串”？除了编码之外还有什么区别呢？

在存储大型字符串（~ 500KB）时，是否存在大小差异？这两者之间有哪种更好的选择？

- tpoker

---

请查看此答案：https://stackoverflow.com/questions/30958016/data-modeling-in-cassandra-with-columns-that-can-be-text-or-numbers - MD Ruhul Amin

Answer 1

关于这个答案：

如果数据是一段文本，例如在Java中的字符串，它在运行时采用UTF-16编码，但在Cassandra中以文本类型序列化时则使用UTF-8。UTF-16始终每个字符使用2个字节，有时使用4个字节，但UTF-8是空间有效的，并且根据字符可以是1、2、3或4个字节长。

这意味着为了进行编码/解码工作需要CPU工作，而且根据文本，例如158786464563，数据将使用12个字节存储。这意味着使用更多的空间和更多的IO。

请注意，Cassandra提供了ASCII类型，该类型遵循US-ASCII字符集，并始终使用每个字符1个字节。

---

两者之间是否有大小差异？

是的

当我存储大量字符串（〜500KB）时，这两者之间是否有一种首选？

是的

因为ASCII比UTF-8更空间有效，而UTF-8比UTF-16更空间有效。同样，所有事情都取决于您如何对这些数据进行序列化/编码/解码。有关更多信息，请查看此处“what-is-the-advantage-of-choosing-ascii-encoding-over-utf-8”。

- MD Ruhul Amin

---

我不同意ASCII比UTF-8更节省空间的说法。可以用ASCII编码的字符串在UTF-8中使用相同数量的字节。ASCII可编码符号在UTF-8中也是一个字节。 - egelev

@egelev 我在某种程度上同意你的观点。我猜你可能误解了重点：">UTF-8是空间高效的，但根据字符不同，它的大小可能为1、2、3或4个字节，而ASCII始终为1个字节。" - MD Ruhul Amin