我最近開始試驗Hbase和hadoop堆棧。我正試圖從頭構建一個應用程序。我正在爲我的應用程序設計我的模式，它將使用谷歌正常語法數據集。Hbase架構設計 - 建議需要
我意識到可以將數據集製作成具有ngram作爲行鍵和具有許多限定符（年份，頁數，match_count）的一個列族的模型，或者該模型可以具有n-gram作爲行鍵以及Year，page_count，match_count有多個列族。
我意識到模型取決於我想使用這些數據的方式，但我想了解這兩種方法的優缺點。
乾杯， Dwarak
考慮閱讀從HBase的書本章內容：6.2. On the number of column families
「HBase的目前不與上述兩個或三個列族事情做好，以便保持柱家庭的數量你Schema low。目前，沖洗和壓縮是在每個Region的基礎上完成的，所以如果一個Column家族承載大量數據帶來沖刷，那麼相鄰的家族也會被刷新，儘管他們攜帶的數據量很小。列家族的沖刷和壓實交互可以造成一堆不必要的I/O加載（由chang來解決沖洗和壓實以每列家庭爲基礎）「。
「如果可以在您的模式中嘗試使用一個列族，只在數據訪問通常是列作用域的情況下引入第二和第三列族;即，您查詢一個列族或另一列族不是同一時間「
現在請記住，在物理上，所有列家族成員都一起存儲在文件系統中。由於調音和存儲規範是在列族級完成的，因此建議所有列族成員具有相同的一般訪問模式和大小特徵。如果您的所有數據都將同時處理，那麼您可能需要考慮只有一個列族的表。除非幾乎所有時間都單獨使用，否則最好不要使用多個家庭。