为了更好地说明问题，我将从一个例子开始。可以说，你有3个表：
我们将所有相关数据分组，并使用密钥添加名为“TestSynthesis”的非规范化表：TestID_StudentID_TestResultsID。密钥中字段的顺序无关紧要，因为用户需要能够搜索此密钥的任何或所有3个部分。
一个示例查询将是：“给我所有名字以'John'开头的学生的所有测试结果”
一个简单的解决方案是：
但是，如果在第2步，我们得到100万行而不是3名学生呢？
HBase可以仅搜索密钥（例如，不读取数据），还是需要进行全表扫描？
答案 0 :(得分：13)
首先是痛苦的事实..正如其他帖子中所提到的，HBase并不完全支持部分密钥。让我们说你按照以下方式获得了密钥：正如你所提到的： TestID_StudentID_TestResultsID
您不能通过StudentID进行搜索，同时享受不错的表现。但是，有一种方法可以在扫描期间过滤行，只取决于行键。但请记住，过滤器的性能比良好的优化表模式差。因此，出于理解/经验，您有以下选择：
1）您尝试设计方案，以便针对大量查询进行优化。例如，大多数查询都需要给定学生的数据，因此您将studentID放在键的开头。有些查询需要知道当前学生的测试结果，然后使用{STARTROW =＆gt; given_studentID，STOPROW =＆gt; given_studentID + 1}进行扫描，并使用关键过滤器过滤得到的结果。可以设置关键过滤器以过滤特定的testID。但在这种情况下，如果你想看看哪些学生参加了测试，你需要进行全面扫描并对结果集应用过滤器，当我们讨论性能时，这不是很“便宜”。
2）如[http://stackoverflow.com/questions/12806762/hbase-data-only-in-key-compoung-key-wildcards] [1]中所述，您也可以将数据重复为两个不同的表，首先是TestID_StudentID_TestResultsID，第二个是这样的：StudentID_TestID_TestResultsID。通过这种方式，您可以通过给定的testID或StudentId进行查询，因为您可以在第一个或第二个表中愉快地搜索。如果您想知道哪个学生在所有测试中保持最佳结果，那么您将遇到麻烦。在这种情况下，您再次需要完整扫描。了解您将要使用哪种查询非常重要，这样您就可以适当地规划模式。 （你真的需要钥匙中的测试结果吗？）
3）还有第三种选择，我曾经使用过一次。这在很大程度上取决于数据本身。假设您将有50万名学生，大约50个测试，然后是50 * 500 000测试结果。在这种情况下，我将按以下方式设计架构： TestID_StudenIT_Results
*如果您想了解学生在特定考试中的表现，您可以根据考试进行扫描，因为密钥是从它开始的。
*如果你想看看学生在所有测试中的表现如何，你可以进行50次扫描，每次扫描使用开头的50个testID之一，这样扫描就像：
test1_studentX
test2_studentX
test3_studentX
test4_studentX
...
...
test50_studentX
50次扫描可能听起来太多，但它适合超级地图减少工作。这是一个问题，你真的有50个testID，或者你有适合的数字吗？*如果您想了解所有学生在所有考试中的表现，您仍然需要使用此模式进行全面扫描。
那是我的！
欢呼声， 尼科