Hadoop 关于这个BIGDATA用例的技术/设计建议

我不熟悉大数据技术和设计，因此希望从java world获得帮助

我有标签和标签组合的概念。 例如，U.S.A和Pen是两个标记，如果它们在某种定义中结合在一起，则为其注册标记组合（U.S.A-Pen）

标签（美国、钢笔、铅笔、印度、洗发水） 标记组合（美国钢笔、印度铅笔、美国铅笔、印度钢笔、印度钢笔洗发水）

• 数以百万计的标签
• 数十亿个标记组合
• 一个标记组合通常有2-8个标记
• 每天我们都有成千上万的新组合要写
• 通过一组标记查找匹配组合的每日查询次数

查询需要支持： 一个标记或一组标记出现在多少标记组合ID中？？？？ 若我查询Pen，India，那个么它应该返回两个标记组合（India Pen，India Pen Shampion））…应用程序将实时触发查询

请推荐一个与java客户端一起分发的解决方案，并且可以 处理我正在寻找的数据规模

已经在卡桑德拉身上试过了，但不能断定这与我的问题相匹配

谢谢

---

Naresh

我建议您研究Apache Lucene项目：

您不能直接使用Cassandra进行此操作，但如果您将数据存储在Cassandra中，则可以使用Solr在数据之上添加额外的索引。DataStax有一个名为DataStax Enterprise的捆绑解决方案，它将Cassandra/Solr结合在一起：

---

非常感谢..从我的研究中，我也达到了那里…DSE无法获得许可..我看到了一个项目lucandra，该项目将lucene存储在cassandra column系列中…任何关于此或类似解决方案的反馈？？？出于开发目的，DataStax Enterprise是免费的。