面向列的DB（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（具体而言，我认为它也适用于Cassandra。）

1. 您要聚合在一起的组密钥，通常可以利用数据位置。 （White，Hadoop：The Definitive Guide，我记得在HBase网站上看过它，但找不到它......）
2. 传播密钥，以便工作可以分布在多台计算机上（Twitter, Pig, and HBase at Twitter幻灯片14）

我猜哪个是最优的可以取决于你的用例，但有没有人对这两种策略有任何经验？

Answer 1

在HBase中，通过划分按字典顺序排序的密钥空间将表划分为区域。表的每个区域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（这允许强大的一致性保证）。这意味着如果您的所有读取或写入都集中在一小部分键空间上，那么您将只能扩展到单个区域服务器可以处理的内容。例如，如果您的数据是时间序列并且按时间戳键入，那么所有写入都将转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写入。

另一方面，如果您可以选择您的密钥，以便任何给定的查询只需要扫描一小部分行，但整个读写集分布在您的密钥空间，那么总负载将是分布式和扩展性很好，但您仍然可以享受查询的地点优势。