我正在尝试设计一个用于在HBase中存储时间序列数据的表 . 由于所有在一个月内写入的数据都将被读取"all at once"进行分析，我想知道 using the month (as a string, like '201501') as column family 是否是一个不错的选择 .
我的应用程序将在数据到达时以时间戳保存，然后在月末，将使用hadoop作业分析与该月相关的所有数据 .
根据规范，列族中的所有数据将一起存储 . 在（1）设计和（2）性能方面，这是一个很好的做法吗？
我不确定，因为这是远离关系世界的那种选择 .
1 回答
一般来说，HBase中有许多列族会损害性能 . 我认为使用HBase时不建议使用超过2或3个列族 . 我建议浏览link以获取更多详细信息 .
此外，在创建表时，列族是表模式的一部分 .
示例：
create 'hbase_table',{NAME=>'columnFamily',VERSIONS=>3}因此，如果您希望每个月都有一个新的列族，那么您将不得不在需要时更改表模式以添加列族，这并不理想 .
据我说，这里一个很好的解决方案是在你的rowkey中有日期（or reverse timestamp） . 示例：
XXX-YYY-20150106或XXX-YYY-9223370616269200807（反向时间戳）然后，当您想要在1个月之间分析数据时，您可以扫描表格中的日期范围 . 示例：
scan 'hbase_table',{STARTROW=>'XXX-YYY-20150101', STOPROW=>'XXX-YYY-20150201'}