我正在寻找一种NoSQL技术，该技术能够满足体面性能大规模处理地理空间和时间查询的要求。我想用提议的NoSQL技术和Spark批量处理几百GB到TB的数据。这显然将在具有多个节点的群集上运行。
我想要运行的查询类型：
我目前正在评估哪些技术可用于我的用例，但我已经被可用的大量技术所淹没。我曾考虑过像MongoDB和Cassandra这样的流行技术。两者似乎都适用于我的用例（Cassandra仅适用于Stratios Lucene索引），但可能有一种不同的技术可以更好地工作。
是否有任何技术会根据这些要求严重超越其他技术？
答案 0 :(得分：2)
我想将数百GB批量处理为TB数据
那不是真正的cassandra用例。 Cassandra首先针对写入性能进行了优化。如果你有大量的写作，Cassandra可能是你的好选择。 Cassandra不是探索性查询的数据库。 Cassandra是已知查询的数据库。在读取级别上，Cassandra针对sequentiell读取进行了优化。 Cassandra只能按顺序查询数据。它也可以忽略这一点，但不建议这样做。使用错误的数据模型，大量数据可能是Cassandra中的一个问题。也许基于hadoop的数据库系统对你来说是更好的选择。
时间查询，例如＆＃34; date＆lt; = 01.01.2011＆＃34;或＆＃34;时间＆gt; = 11:00，时间＆lt; = 14：00＆＃34;
Cassandra非常适合时间序列数据。
＆＃34;正常＆＃34;查询＆＃34;字段＆lt; = value＆＃34;
等属性
如果您在为数据库建模之前就知道了这些查询，那么Cassandra也是一个不错的选择。
所有三种查询类型的组合（例如＆＃34;查询所有数据，其中位置在bbox内，日期为01.01.2011，时间＆lt; = 14:00，field_x＆lt; = 100＆＃34 ;）
Cassandra可能是一个很好的解决方案。为什么？正如我所说：在创建表之前，您必须知道这些查询。如果您知道在需要时间范围和位置（城市，国家，内容等）的情况下，您将有数以千计的查询，这对您来说是一个很好的解决方案。
大规模的时间查询，具有良好的性能。
Cassandra将在此用例中获得最佳性能。数据已按要求的顺序排列。 MonoDB是MySQL用例的一个很好的替代品。如果你需要更好的比例，但缩放mongodb并不像Cassandra那么简单，并且灵活而且你关心一致性。 Cassandra最终的一致性是可扩展的，性能非常重要。 MongoDB也有关系，Cassandra没有。在Cassandra中，一切都是非规范化的，因为性能关注。