我必须设计一个 Hbase 表来存储用户信息，这些信息针对社交网络，如：年龄，性别，教育，爱好，阅读书籍，旅行国家...... 注意：我们将来可以添加更多信息，我们现在不知道所有信息。
例如： 姓名：Olha，年龄：25岁，性别：女，教育：学士信息技术，教育：掌握计算机科学，爱好：篮球，爱好：乒乓球，书：随风而去，书：达芬奇密码，语言：英语，语言：法语，国家：德国
主要想法是能够进行如下查询： 归还所有女性，年龄：22岁，说话：英语，说话：法语，读书随风而去，像乒乓球，像篮球和德国人。
因此您可以向搜索查询添加任何条件。
您对优化此类搜索查询的HBASE表架构（行键，列族...）的建议是什么（考虑到我们将来会添加更多信息） 编写此类查询的最佳方法是什么（scan，get，MapReduce）。
谢谢
答案 0 :(得分：1)
我同意Ian Varley的观点，Solr / Lucene以及它的分面查询和连接允许您以您想要的方式转动数据 - 但是 - 我也认为您的问题可能是一个“计数”问题或者“会员”问题......
这听起来像是在列出匹配（N）属性的人员列表之后 - 您遇到的问题是每个属性可能有数百万用户ID吗？
当您尝试做的只是计算交集/联合大小时，HBase非常适合。您的键/值对可以放入Hbase，您可以将用户的ID“编码”为Bloom Filter和HyperLogLog。准确性和记忆的交易速度。可能每小时/每晚在某种类型的日志聚合的点击流上运行map / reduce样式作业。
其他人已经在广告空间和在线空间中完成了这项操作，以确定您正在运行的查询类型（“找到喜欢住在佛罗里达州的红牛和流行挞的人）
<强>参考
使用Apache Hive和Amazon EMR进行内容相关广告http://aws.amazon.com/articles/2855
扩展分布式计数器：http://whynosql.com/scaling-distributed-counters/
Google：Sharding counter https://developers.google.com/appengine/articles/sharding_counters
HBase中的分布式计数器性能 - 第1部分http://palominodb.com/blog/2012/08/24/distributed-counter-performance-hbase-part-1
Facebook新的实时分析系统：HBase每天处理200亿个事件http://highscalability.com/blog/2011/3/22/facebooks-new-realtime-analytics-system-hbase-to-process-20.html
使用Hadoop和HBase进行实时分析 - http://www.slideshare.net/larsgeorge/realtime-analytics-with-hadoop-and-hbase
使用HBase http://tellapart.com/log-event-processing-with-hbase
记录事件处理BazaarVoice的点击流分析http://www.slideshare.net/bazaarvoice_engineering/austin-scales-clickstream-analytics
使用HBase进行实时分析 - http://www.slideshare.net/alexbaranau/realtime-analytics-with-hbase-long-version
答案 1 :(得分：0)
这不是HBase的一个很好的用途，因为这正是搜索索引（如Lucene）有用的东西。
存储用户及其信息的一个普通模式可能看起来很像关系数据库，因为每个用户只有1行，并将所有属性存储为列和列。值（年龄= 22，语言=法语等）。这适用于您提到的可扩展性（您不需要更改任何模式以存储新属性）。使用此架构，您可以通过唯一的用户ID查找任何一个用户（及其所有属性）。无论你有多少用户，这都要快得多。
但是，使用该模式，如果您想以您描述的方式进行搜索（“返回所有年龄为22岁的用户”），则每个查询最终都将扫描整个表，因为仅限HBase允许您通过主键访问内容;它没有任何类型的二级索引。这将是非常低效的（每次你想要进行任何单个查询时，图片必须扫描一百万行）。
如何解决这个问题？您可以“反转”数据的顺序，并将值放在行键中，然后指向具有该值的所有用户。例如，行键可以是“年龄：22”，然后在行的列中可以是22岁的所有用户ID。这有很多原因是有问题的，其中最重要的是它将是非常昂贵和棘手的更新。但它对那些特定的查询表现良好。
诀窍？这正是搜索索引（如Lucene）的作用，并且通过使用HBase滚动自己的功能，它可以做得更好。这听起来像是你想在这里使用的工具。
如果你必须使用HBase（正如你所说，因为它是一个研究项目），可能值得研究一下使用HBase和Lucene;谷歌指点。