如果我想比较两个相似的 Accumulo 表并突出它们的差异，我该怎么做？
我的第一个想法是创建数据库转储并diff在文件上运行 Unix，但这无法扩展。
我的第二个想法是，也许有一种方法可以同步两个 Accumulo 表，希望有一个试运行选项，可以在某处收集差异。
...在 HBase 中至少有一种方法可以做到这一点？
答案1
遗憾的是，我不知道有什么东西可以做到这一点。
简单来说，您可以使用两个扫描仪实现这一点并进行合并读取。由于两个扫描仪都返回已排序的数据，因此如果两个键值相等，则将两个扫描仪都推进。如果来自扫描仪 1 的键在来自扫描仪 2 的键之前排序，则您知道该键不存在于来自扫描仪 2 的表中，并且您推进扫描仪 1。如果来自扫描仪 2 的键在来自扫描仪 1 的键之前排序，则该键不存在于来自扫描仪 2 的表中，并且您推进扫描仪 2。
但是，就像您所说的那样，这会非常慢，因为您有一个线程读取一个表，并且您可能有多个核心来同时运行。
为了实现这种规模，您可以将表“分区”为存储桶（例如，如果您的表键是字母表 [A、B、C、... Z]，则在这种情况下每个分区可以是一个字母），并且可以并行化相同的算法。使用字母表示例，您可以让 26 个客户端同时读取表的各个部分。这也可以轻松实现为 map-reduce 作业。