Hadoop 嵌套HBase实体中的高效搜索

如果我在同一个HBase实体中跟踪并存储一组嵌套实体（以受益于HBase的单行ACID属性），是否可以高效地搜索这些嵌套实体，甚至使用MapReduce来决定是否使用特定标准选择封装（父）实体

例如，我有一个客户实体，其中嵌套了订单实体

CustomerInfo和Orders是列族。 对于orders列系列（这里很有意思），1、2…6是列名（在HBase中是动态的，可以动态添加），它们旁边的文本是订单实体详细信息（我将这些详细信息序列化为文本，但序列化并不重要，因为HBase不在乎）

如果我有很多像这个客户实体这样的实体（更多细节见下文第3节）

是否可以基于MapReduce（仅地图？）方法或任何其他高效方法选择客户实体，扫描客户实体，读取这些客户实体内的客户订单值，并仅返回包含特定标准订单的客户实体（例如，成本>40）

类似地，是否可以返回符合指定条件（成本>40）的订单实体以及客户实体，以显示客户及其最昂贵的订单

如果每个客户的订单数量非常大（高达100000），并且客户数量也很大（高达100000），那么此选择操作是否可以相当快地进行（不到一秒钟）？假设我可以为此构建一个非常大的HBase集群（根据需要）

由于我认为3）是不可能的（因为一个MapReduce工作人员必须处理那100000个序列化订单），对于这个问题（根据订单属性快速选择客户）有什么更好的设计？将客户实体反规范化为包含客户信息的订单实体是更好的方法吗

是否可以基于MapReduce选择客户实体 （仅地图？）方法或任何其他有效的扫描方法 客户实体，读取这些实体中的客户订单值 客户实体，并仅返回 是否包含具有特定标准的订单（例如，成本>40）

类似地，是否可以返回 与客户一起匹配指定的标准（成本>40） 显示客户及其最昂贵订单的实体

基于MapReduce方法选择实体当然是可能的，因为映射可以处理行键中的所有数据，然后可以解析数据、过滤所需内容，并仅写入所需数据

此选择操作是否可以相当快地进行（小于 一秒钟？）如果每个客户的订单数量非常大（最多 100000）并且客户数量也很大（高达100000）？ 假设我可以构建一个非常大的HBase集群（如图所示） （需要）为此

我不认为MapReduce是为动态过程设计的，因为它更适合批处理。你可以试着用它

因为我认为3）是不可能的（作为一个单一的MapReduce 工人必须处理100000份序列化订单）， 对于这个问题，什么样的设计更好（选择 基于订单属性的客户（快速）？将 将客户实体反规范化为订单实体，包括 客户信息是更好的方法吗

您可以更改设计以利用HBase扫描过程及其过滤器。而不是

1:“项目A；成本：$12”

你可以试试

1-ItemA:“12”

或

项目A-1：“12”

或者可以将值存储在整数字节而不是字符串中，这样您就可以使用scan with根据需要过滤返回的结果

或者，您可以尝试多层体系结构，其中有用于处理的数据表和用于实时访问的聚合表