我有一些有趣的问题，我正在寻找有效查询的数据存储解决方案。
我有大量（1M +）个业务对象，每个对象都有大量属性（大约100个）。这些属性是相对非结构化的 - 系统有数千个可能的属性，它们的数量随着时间的推移而增长，每个对象都有一个任意（例如稀疏）的子集。
我经常需要执行以下操作：查找具有一组具体属性S的所有对象，并对它们执行聚合。我从来不会提前知道S，所以在每次请求时我都要对数据库进行昂贵的扫描，而这些数据库并没有扩展。
针对此类问题，有哪些数据存储解决方案？一种可能的解决方案是建立一个数据存储来并行化聚合 - 可能是Cassandra和Hive / Pig在顶层？
思考？
答案 0 :(得分：0)
此时，Cassandra + Spark很可能成为候选人。
在纯粹的Cassandra世界中，您（理论上）可以创建所有可能的S属性到数据对象的手动映射，然后通过app和process加载它们（其中S属性的名称是分区键， S属性的值是聚类键，数据对象ID本身是另一个聚类键，这样就可以快速迭代所有具有S属性集的对象。
这不是非常性感，但可以让它发挥作用。