Sha*_*baz 38 finance hbase bigtable time-series cassandra
我试图弄清楚这些新的数据存储如bigtable,hbase和cassandra到底是什么.
我处理大量的股票市场数据,数十亿行价格/报价数据,每天可以累计达到100千兆字节(尽管这些文本文件通常压缩至少一个数量级).这个数据基本上是一些数字,两个或三个短字符串和一个时间戳(通常是毫秒级).如果我必须为每一行选择一个唯一的标识符,我将不得不选择整行(因为交换可能会在同一毫秒内为同一个符号生成多个值).
我想将这些数据映射到bigtable(我包括它的衍生物)的最简单方法是按符号名称和日期(这可能会返回一个非常大的时间序列,超过百万个数据点并非闻所未闻).通过阅读他们的描述,看起来这些系统可以使用多个密钥.我还假设十进制数不是键的好选择.
其中一些系统(例如Cassandra)声称能够进行范围查询.在给定的一天,上午11:00到下午1:30之间,我是否能够有效地查询MSFT的所有值？
如果我想搜索给定日期的所有符号,并请求价格在10美元到10.25美元之间的所有符号,那么该怎么办？所以我正在搜索这些值,并希望返回键作为结果？
如果我想得到两个系列,从另一个中减去一个,并返回两次系列及其结果,我将在自己的程序中做他的逻辑怎么办？
阅读相关论文似乎表明这些系统不适合大规模时间序列系统.但是,如果谷歌地图等系统基于它们,我认为时间序列也应该有效.例如,将时间视为x轴,将价格视为y轴,将符号视为命名位置 - 突然之间看起来像bigtable应该是时间序列的理想存储(如果整个地球可以存储,检索,放大和注释,股市数据应该是微不足道的).
有些专家可以指出我正确的方向或澄清任何误解.
谢谢
Got*_*tys 21
我还不是专家,但我已经和Cassandra玩了几天了,我有一些答案给你:
其中一些系统(例如Cassandra)声称能够进行范围查询.在给定的一天,上午11:00到下午1:30之间,我是否能够有效地查询MSFT的所有值？
当您知道如何使用键时,Cassandra非常有用.它可以非常快速地通过键.因此,要在11:00到1:30之间搜索MSFT,您必须按如下方式键入行:
MSFT-timestamp,GOOG-timestamp,.. etc然后你可以告诉Cassandra找到所有以MSFT开头的密钥,以MSFT-now + 1hour结束.
如果我想搜索给定日期的所有符号,并请求价格在10美元到10.25美元之间的所有符号,那么该怎么办？所以我正在搜索这些值,并希望返回键作为结果？
我不是专家,但到目前为止,我意识到卡桑德拉根本没有按价值搜索.因此,如果您想要执行上述操作,则必须创建另一个专门针对此问题的表,并设计适合该案例的架构.但它与我上面描述的不会有太大的不同.这都是关于命名键和列的.卡桑德拉可以很快找到它们!
如果我想得到两个系列,从另一个中减去一个,并返回两次系列及其结果,我将在自己的程序中做他的逻辑怎么办？
正确,所有逻辑都在你的程序中完成.这不是MySQL.这只是一个存储引擎.(但我相信下一个版本会提供这些东西)
请记住,我是新手,如果我错了,请随时纠正我.
| 归档时间： |
|
| 查看次数： |
15488 次 |
| 最近记录： |