Hbase RowKey设计架构

Question

我正在使用HBase来存储Web表格内容，例如Google如何使用BigTable。
供Google bigtable参考
我的问题是在RowKey上 ，我们应该如何形成它。
谷歌正在做的是按照相反的顺序保存URL，正如您在PDF文档“ com.cnn.www”中所看到的那样，这样，与cnn.com相关的所有链接都将在同一GFS块中进行管理，这将更加容易扫描。
我可以使用与google使用的相同的东西，但是如果我使用某种算法来压缩url，那将不会很酷

例如。

RewKey                               |  Google Bigtable                      |  Algorithm output
www.cnn.com/index.php                |  com.cnn.www/index.php                |  12as/435
www.cnn.com/news/business/index.html |  com.cnn.www/news/business/index.html |  12as/2as/dcx/asd
www.cnn.com/news/sports/index.html   |  com.cnn.www/news/sports/index.html   |  12as/2as/eds/scf

这样做的原因是，根据Hbase设计模式 （在主题6.3.2.3。Rowkey Length中提到），rowkey会更短。

所以，我需要你们知道我在这里正确吗...。
另外，如果我正确我应该使用什么算法。 我在节俭的情况下使用python作为编程语言，所以代码对我来说是压倒性的...

Answer 1

当您缩短URI时，请分别针对主机和路径进行操作并进行连接，这样您的密钥将类似于hostHash！pathHash，一方面可以简化它，另一方面将来自同一站点的所有URI分组在一起