HBase - 使用带有值列表的一列与使用带有列列表的一列族的优缺点是啥？

Posted 2023-04-18

【中文标题】HBase - 使用带有值列表的一列与使用带有列列表的一列族的优缺点是啥？

【英文标题】：HBase - What are the pros and cons of using one column with a list of values vs using one column family with a list of columns?HBase - 使用带有值列表的一列与使用带有列列表的一列族的优缺点是什么？

【发布时间】：2014-03-20 18:43:00

【问题描述】：

假设我们正在建模用户和朋友，而朋友有一个类型。

我们可以在 Oracle 中对其进行建模，如下所示：

User: id, name, sex, age
Friendship: user_id, friend_id, type

所以在 HBase 中，我们可以这样做：

（第一个模型来自here，HBase FAQ 推荐）

Table: Users
RowKey = <user_id>
Column Family = Info; Columns = "Name", "Sex", "Age"
Column Family = Friend; Columns = "Friend:<user_id>"=type

（其中 "Friend:"=type 可能是另外一个 user_id）

或

Table: Users
RowKey = <user_id>
Column Family = Info; Columns = "Name", "Sex", "Age", "Friends"

（其中“Friends”是一个 JSON 字符串，格式为 [user_id:, type:, ...]

但是，如果朋友没有类型，则第二个模型可能只是 [user_id:<user_id>, ...]。如果朋友没有类型，第一个模型会做什么？

这两种方法的优点和好处是什么？

【参考方案1】：

包含值列表的一列违反了规范化规则。如果您不知道它们是什么或为什么它们很重要，请进行一些研究。

我认为这两种模型都不正确。一对多的关系应该被正确建模。您的两个架构都违反了规范化规则。

【讨论】：

这适用于 HBase，而不是关系数据库。为了清楚起见，我进行了编辑。

【参考方案2】：

这真的取决于你有多少朋友以及你的读写访问模式是什么。

在第一种情况下，每列有一个朋友，您可以在不阅读所有其他朋友的情况下添加一个朋友。但是，您还会为每个朋友获得一个单独的时间戳值，从而增加每个朋友的总存储需求。

另外，如果您在阅读用户时并不总是阅读好友，则第一种情况不需要您加载好友。您可以进行单列族扫描并避免所有额外的 IO。

更多列族的缺点是您拥有更多 MemStore，因此您的区域需要更多内存。这也意味着更多的非顺序磁盘刷新，因为每个列族都是单独的磁盘刷新。