- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在研究 Titan(在 HBase 上)作为大型分布式图形数据库的候选者。我们需要 OLTP 访问(对图形的快速、多跳查询)和 OLAP 访问(将所有或至少大部分图形加载到 Spark 中进行分析)。
据我所知,我可以使用 Gremlin 服务器来处理 OLTP 样式的查询,其中我的结果集很小。由于我的查询将由 UI 生成,因此我可以使用 API 与 Gremlin 服务器进行交互。到现在为止还挺好。
问题与 OLAP 用例有关。由于 HBase 中的数据将与 Spark 执行器位于同一位置,因此使用 HDFSInputFormat
将数据读入 Spark 会很有效。 .从驱动程序执行 Gremlin 查询然后将数据分发回执行程序是低效的(事实上,考虑到投影图的大小,这是不可能的)。
我发现的最好的指导是来自 Titan GitHub 存储库 (https://github.com/thinkaurelius/titan/issues/1045) 的一个未结束的讨论,它表明(至少对于 Cassandra 后端)标准 TitanCassandraInputFormat
应该适用于阅读泰坦表。没有任何关于 HBase 后端的声明。
但是,在阅读有关底层 Titan 数据模型 ( http://s3.thinkaurelius.com/docs/titan/current/data-model.html ) 时,“原始”图形数据的部分似乎是序列化的,没有解释如何从内容重建属性图。
所以,我有两个问题:
1)我上面所说的一切都是正确的,还是我错过/误解了什么?
2) 有没有人设法从 HBase 读取“原始”泰坦图并在 Spark 中重建它(在 GraphX 中或作为数据帧、RDD 等)?如果是这样,你能给我任何指点吗?
最佳答案
大约一年前,我遇到了与您描述的相同的挑战——我们有一个非常大的 Titan 实例,但我们无法在其上运行任何 OLAP 进程。
我已经深入研究了这个主题,但是我发现的任何解决方案( SparkGraphComputer
, TitanHBaseInputFormat
)要么非常慢(在我们的规模中是几天或几周的问题),要么只是有问题和丢失的数据。缓慢的主要原因是他们都使用了 HBase 的主 API,结果证明这是速度瓶颈。
所以我实现了 Mizo - 它是 HBase 上 Titan 的 Spark RDD,绕过 HBase 主 API,并解析 HBase internal data files (称为 HFile)。
我已经在相当大的范围内对其进行了测试——一个包含数千亿个元素的 Titan 图,重约 25TB。
因为它不依赖于 HBase 公开的 Scan API,所以速度要快得多。例如,我提到的图中计算边大约需要 10 小时 .
关于apache-spark - 从 Titan(在 HBase 上)读取大图到 Spark,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41121262/
发出时Delete对于 hbase,我知道它不会立即删除数据。但是什么时候删除数据,我的意思是,物理上? 最佳答案 当您向 HBase 写入内容时,它会存储在内存存储 (RAM) 中,然后再写入磁盘。
同一行的列族属于同一个 RegionServer。 那么,这里的问题是一个 RegionServer 会在不同的机器上存储不同的列族吗? 最佳答案 不一定,但在某些时候它会。这是基本 HBase 架构
如果我想插入表格: row | fam:qualifier | timestamp | value 1 | foo:bar | 12345 | 2 1 | foo:bar | 12346 | 3 1
有时我想退出我在 HBase shell 中运行的命令,例如扫描操作通常需要太多时间。 所以我想停止运行这个命令,但我不想退出 HBase shell。 我常用的停止运行命令的方式,我使用了Ctrl+
有没有办法设置 Hbase 以便我们可以在同一个集群中创建多个数据库? 最佳答案 只是为了刷新主题:http://hbase.apache.org/book.html#namespace 5.3.1.
怎么看version的 hbase我在用? 你能下命令吗? 最佳答案 hbase version命令行界面中的命令给出了 version的 hbase正在使用中。 以下是来自 Cloudera 的两个
高级问题: HBase 是否对所有分布(因此不是实现的工件)通用的每行施加了最大大小,无论是在 方面吗?字节存储 或在 方面细胞数 ? 如果是这样: 限制是什么? 极限存在的原因是什么? 限制在哪里记
假设,假设我在数据仓库设置中有一个星型模式。 有一个非常非常长的事实表(想想几十亿到几万亿行)和几个低基数维度表(想想 100 个维度表)。每个事实表外键 指向一个维度表的主键是位图索引的。每个维度表
版本:Hadoop: 2.0.0-cdh4.3.1 HBase: 0.94.6-cdh4.3.1 我正在运行 cloudera quick start vm,这是我的小型远程 HBase Java 客
我正在尝试以完全分布式模式配置 HBase。 (使用 Ubuntu 12.04,Apache Hadoop 2.2(以伪模式运行,HBase 版本 0.98) 以下是我的 bashrc 设置: exp
我想知道如何正确配置 hbase.zookeeper.quorum 以将 zookeeper 实例指向集群模式。 最佳答案 hbase.zookeeper.quorum 属性是运行 ZooKeeper
我想知道如何正确配置 hbase.zookeeper.quorum 以将 zookeeper 实例指向集群模式。 最佳答案 hbase.zookeeper.quorum 属性是运行 ZooKeeper
我正在尝试对位于 Hbase 中的两个表进行映射连接。我的目的是在hashmap中保留小表的记录并与大表进行比较,一旦匹配,再次将记录写入hbase中的表中。我使用 Mapper 和 Reducer
我正在尝试编写一个程序来连接到 HBase。但是当我执行以下命令时HBaseConfiguration.create();我收到以下错误:. "hbase-default.xml 文件似乎是旧版本的
基于HBase documentation ,再次遵循 Google BigTable 论文的引用,据说这些行是按行键的字典顺序存储的。 很明显,当我们在 rowkey 中有一个字符串或者如果我们将一
我有一个 hbase 表,其中的行键如 row1、row2、row3 .... 和 rowN,我想要的是获取行键从 row100 到 row200 的行,如何编写查询子句或将 hbase 表设计为让查
我正在尝试创建命名空间,但出现类似下面给出的错误 hbase(main):031:0> create namespace 'Aniruddha'
我发现为以下要求建模 HBase 表有困难。 我有一个表“商店”,它存储了商店的详细信息(必胜客)。 我有一个表格“订单”,其中包含交易摘要(总交易金额等...)。 我有另一个表“Order_Item
谁能告诉我如果在不首先禁用表的情况下使用“alter”命令可能影响表结构的可能影响? 据我所知,禁用表意味着关闭与表的所有连接。如果我在不禁用表的情况下使用 alter,可能会发生什么异常情况? 我正
我无法将表从 HBase 导出到 HDFS。下面是错误跟踪。它是相当大的尺寸。还有其他方法可以导出吗? 我使用以下命令导出。我增加了 rpc 超时,但工作仍然失败。 sudo -u hdfs hbas
我是一名优秀的程序员,十分优秀!