在分佈式資料庫領域，Cassandra 以其高可擴展性與強大寫入效能著稱，而其核心存儲機制 LSM Tree（Log-Structured Merge-Tree）的效能表現，直接影響系統整體效能。隨著資料量增長，SSTable（Sorted String Table）的數量與大小會快速膨脹，導致讀寫放大（read/write amplification）問題。Cassandra 5 引入的「統一壓縮策略」（Unified Compaction Strategy, UCS），透過整合 Size-Tiered 與 Leveled 壓縮策略的優點，提供更靈活的壓縮機制，解決傳統策略在讀寫平衡與 SSTable 管理上的瓶頸，成為現代分佈式資料庫存儲優化的重要突破。
Cassandra 使用 LSM Tree 結構進行資料存儲，其核心特性為將資料分為多個 SSTable，寫入操作透過記憶體緩衝區（MemTable）快速完成，而壓縮（compaction）則用於重新組織 SSTable，以維持查詢效能與空間利用率。壓縮過程需處理讀寫放大問題：讀取時需掃描更多 SSTable，寫入時資料需重寫多次。
UCS 的核心目標在於結合 Size-Tiered 與 Leveled 壓縮策略的優點，實現：
UCS 透過分層邏輯管理 SSTable，按大小分層（基於 fun factor），但允許每層存放多個 SSTable（上限為 fun factor）。每層 SSTable 覆蓋 Token 空間的大小由 fun factor 控制，並透過密度（SSTable 大小 / 覆蓋 Token 空間）衡量資料密集度。壓縮時根據密度決定分片數量，確保壓縮後 SSTable 大小合理。
UCS 僅考慮重疊 SSTable 進行壓縮，非重疊 SSTable 不影響讀取效能。透過識別重疊區域，決定是否觸發壓縮。動態分片策略根據當前 SSTable 總大小與目標 SSTable 大小，計算最佳分片數量（近似為目標大小的 2 的冪次）。例如：總大小 400MB，目標 SSTable 100MB，分為 4 個 100MB SSTable。
UCS 透過調整 fun factor 參數平衡讀寫放大：
fun factor 值，例如底層使用 T4，上層使用 T3。fun factor=4，觸發壓縮，分為 4 個 100MB SSTable。fun factor=4，分為 2 個 120MB SSTable（覆蓋半數 Token 空間）。fun factor=3，識別重疊 SSTable（CDF、G），分為 8 個 Shard，最終生成 4 個 SSTable。UCS 預先計算分片邊界，避免因資料位置變動導致重複壓縮。目標大小計算根據資料集大小與目標 SSTable 大小（如 160MB）計算分片數量，並透過資料大小與目標大小的比率（Ratio）選擇最接近的 2 的冪次方作為分片數量。成長控制預設分片數量隨資料量成長，每次分片數量增加 4 倍時，SS Table 大小增長 2 倍，平衡資料密度與壓縮效率。
fun factor，平衡讀寫效能。fun factor 以平衡讀寫放大，過度優化可能導致效能反彈。Cassandra 5 的統一壓縮策略（UCS）透過整合 Size-Tiered 與 Leveled 策略的優點，提供更靈活的壓縮機制，解決傳統策略在讀寫平衡與 SSTable 管理上的瓶頸。其核心在於透過密度與重疊控制，動態調整分片數量與壓縮粒度，並透過 fun factor 參數實現靈活配置。對於高寫入負載或讀取密集的場景，UCS 能有效減少讀寫放大，提升系統整體效能。未來隨著時間基準層級與自動化調整機制的完善，UCS 將進一步強化 Cassandra 在分佈式資料庫領域的競爭力。