问题标签 [hbase]

我有兴趣了解最近发布的 ( http://mirror.facebook.com/facebook/hive/hadoop-0.17/ ) Hive 在性能方面与 HBase 的比较。Hive 使用的类 SQL 接口比我们实现的 HBase API 更可取。

我正在和一个朋友一起做一个项目，该项目将利用 Hbase 来存储它的数据。有没有好的查询示例？我似乎正在编写大量 Java 代码来遍历 RowResult 的列表，而在 SQL 领域，我可以编写一个简单的查询。我错过了什么吗？还是 Hbase 缺少什么？

我正在为用 Ruby on Rails 或 Merb 编写的应用程序寻找后端解决方案，以处理具有数十亿条记录的数据。我有一种感觉，我应该使用分布式模型，而此刻我看着

HBase与Hadoop

沙发数据库

在我看来，HBase 解决方案存在问题——对 ruby​​ 的支持不是很强，而且 Couchdb 还没有达到 1.0 版本。

对于如此大量的数据，您有什么建议吗？

数据有时需要一次相当快的导入 30-40Mb，但导入将分批进行。因此，大约 95% 的时间数据将是只读的。

假设我有这个 RDBM 表（Entity-attribute-value_model）：

由于缩放问题，我想使用 HBase。

我知道访问 Hbase 表的唯一方法是使用主键（光标）。您可以获得特定键的游标，并逐个迭代行。

问题是，就我而言，我希望能够迭代所有 3 列。例如 ：

• 对于给定的 entityID，我想获取它的所有属性和值
• 对于给定的属性名称和值，我想要所有的 entitiIDS ...

所以我的一个想法是构建一个 Hbase 表来保存数据（表 DATA，以 entityID 作为主索引），以及 2 个“索引”表，一个以 attributeName 作为主键，另一个以 value

每个索引表都将保存 DATA 表的指针（实体 ID）列表。

这是一个合理的方法吗？或者是 Hbase 概念的“滥用”？

在这篇博客中，作者说：

HBase 允许通过主键获取操作并在行范围内扫描（想想：游标）。（如果你有二级索引的规模和需要，别担心 - Lucene 来拯救！但那是另一篇文章。）

您知道 Lucene 如何提供帮助吗？

——约纳坦

Hbase 文档清楚地表明您应该将类​​似的列分组到列族中，因为物理存储是由列族完成的。

但是，将两个列族放入同一个表中，而不是每个列组有单独的表，这意味着什么？是否存在以这种方式“分区”表更有意义的特定情况，以及一个“宽”表效果更好的情况？

单独的表应该导致单独的“行区域”，当某些列族（作为一个整体）非常稀疏时，这可能是有益的。相反，什么时候将列族聚集在一起是有利的？

我有一个 Thrift php 客户端，我想在 HBase 表中写入，我正在执行以下操作：

问题是在 HBase 中插入时，作为数组的值被转换为“数组”，而不是存储数组的元素。如何将列表存储为数组（或字节数组）

对于已经在自己的集群上部署 HBase 的人，您是否觉得它对于生产使用足够稳定？您遇到了哪些类型的麻烦或问题？

我确实看到很多公司在生产中使用 HBase ( http://wiki.apache.org/hadoop/Hbase/PoweredBy )，但我很好奇是否需要进行大量维护、修补和防火练习保持 HBase 集群正常运行。

在 HBase 文档的“入门”页面上的“API 使用示例”中，有一个扫描仪使用示例：

扫描仪扫描仪 = table.getScanner(new String[]{"myColumnFamily:columnQualifier1"});

}

据我了解，此代码将在一台机器（名称节点）上执行，并且不会分发所有扫描和过滤工作。仅分发数据存储和数据加载。如何使用分布式扫描仪，它将在每个节点上单独工作。

快速数据过滤的最佳实践是什么？谢谢。

是否有任何支持二级索引的列存储数据库？我知道 HBase 可以，但还没有。

哈盖。

我想为HBase 数据库编写自己的ActiveRecord 适配器，因为目前不存在。但是，我在网上搜索了一段时间，找不到任何关于如何编写 ActiveRecord 适配器的好资源。你会怎么做，或者你有什么可以推荐的链接？