我有一个脚本将每个用户的职位发布的相关因素插入到表格中。该表现在有 9300 万行，并且在未来会呈指数级增长。该表只有三个字段：job_id、user_id 和相关性。目前大约有 6500 名用户和大约 45,000 个工作岗位。我需要重新考虑数据建模吗？
这种设置的最佳 DBMS 是什么？
我需要能够按相关性排序并轻松执行类似的操作
SELECT relevance FROM jobpostrelevance WHERE job_id = 1 AND user_id = 2
问问题
125 次
1 回答
1
根据我的经验，如果您正在寻找最佳性能的写作，您可以尝试 MongoDB 或 Cassandra，两者都非常好。尽管您的问题似乎适合键值数据库（例如 Cassandra）。
但我会根据“您的硬件”回答您的问题：
如果整个数据库（将）适合内存，我会选择MongoDB，因为你会得到更好的结果。模型：一个文档（MongoDB 是面向文档的），每个“列”作为一个属性。
如果整个数据库不适合内存，我毫不怀疑：Cassandra是最好的选择。如果 MongoDB 不能将全部数据保存在内存中，它的性能会变得更差（您可以在http://www.cubrid.org/blog/dev-platform/nosql-benchmarking/中阅读）。模型：一个 ColumnFamily，每个属性都有 1 个列。
使用 Cassandra，您将能够使用 Hadoop（在其上使用 Pig / Hive）对数据进行排序（我尝试过），但我不知道您是否可以将 MongoDB“连接”到 Hadoop。我的建议：MongoDB 有一个非常好的文档（10gen），而 Cassandra 的文档不如 MongoDB。但如果您需要 Cassandra 文档，您可以访问 datastax 文档：http ://www.datastax.com/docs/1.1/index
于 2012-10-05T15:37:42.870 回答