请阐述 Cassandra 在写入路径上如何平衡性能与一致性，并列出常见的写入优化手段。
考察说明
考查对 Cassandra 分布式写入机制及性能调优的理解。
回答思路
- 【回答框架 1】Cassandra 的写性能核心在于其 LSM 树存储引擎与追加写模式。写入先进入内存中的 Memtable，同时追加到磁盘的 commit log 以防丢失，避免随机写，因此单节点写入延迟低。
- 【回答框架 2】一致性通过副本因子与一致性级别（如 ONE、QUORUM、ALL）控制。协调节点根据一致性级别等待相应副本的确认，级别越高一致性越强，但写入延迟增加，需在两者间权衡。
- 【回答框架 3】优化方法包括：使用批量写入（batch）减少网络开销；调整并发写线程与缓冲大小；启用压缩和合理的 compaction 策略（如 SizeTieredCompaction）平衡空间与性能；对高频写使用 TTL 自动过期数据。
- 【回答框架 4】进一步可优化为：利用分区键和聚类键设计避免热点；监控并调整 memtable 刷新频率和堆大小；对数据模型做反规范化以减少读修复和 tombstone 的写放大。
- 【回答框架 5】性能与一致性是动态平衡，应根据业务对可用性和一致性的要求（如使用 LOCAL_QUORUM）同时结合压测结果来调优。
- 【关键点 1】Cassandra 通过 LSM 存储追加写和 commit log 保证高性能。
- 【关键点 2】一致性由一致性级别（如 ONE、QUORUM、ALL）决定，级别越高延迟越高。
- 【关键点 3】主要优化手段包括批量写、调整并发与缓冲、合理 compaction 策略和 TTL。
- 【关键点 4】数据模型设计影响写入分布，避免热点和 tombstone 放大。
- 【关键点 5】调优需以实际压测和业务一致性要求为准。
- 【易错点 1】不要认为一致性级别为 ALL 就一定强一致，极端故障下仍可能不可用。
- 【易错点 2】过度使用批量写可能增大延迟和超时风险，并非总是更快。
- 【易错点 3】compaction 策略选择不当会造成写放大和空间放大加剧。