nosql - 面向列的数据库（HBase、Cassandra）中的顺序行 ID？

Question

在 HBase 中设计行 ID 时，我看到了两条相互矛盾的建议（特别是，但我认为它也适用于 Cassandra。）

1. 将您经常聚集在一起的键分组以利用数据局部性。（White, Hadoop: The Definitive Guide，我记得在 HBase 站点上看到过，但找不到...）
2. 分散密钥，以便工作可以分布在多台机器上（Twitter幻灯片 14 中的 Twitter、Pig 和 HBase）

我猜哪个是最佳的可能取决于您的用例，但是有没有人对这两种策略有任何经验？

Answer 1

在 HBase 中，通过划分键空间（按字典顺序对表进行排序）将表划分为区域。表的每个区域都属于单个区域服务器，因此所有读取和写入都由该服务器处理（这允许强一致性保证）。这意味着，如果您的所有读取或写入都集中在您的密钥空间的一小部分，那么您将只能扩展到单个区域服务器可以处理的范围。例如，如果您的数据是时间序列并以时间戳为键，则所有写入都将发送到表中的最后一个区域，并且您将被限制为以单个服务器可以处理的速率进行写入。

另一方面，如果您可以选择您的键，使得任何给定的查询只需要扫描一小部分行，但整个读取和写入集分布在您的键空间中，那么总负载将被分布和扩展很好，但您仍然可以享受查询的局部性优势。