我有一组图像文件，它们通常很小，在 5k 到 100k 之间。它们可以是任何大小，超过 50mb，但这非常罕见。当这些图像被放入系统时，它们永远不会被修改。这些图像总共大约有 50 TB。它们目前在 Oracle 中被分块并存储在 BLOB 中，但我们想要改变这一点，因为它需要特殊的软件来提取它们。
有时在大约 10 台服务器中以每秒超过 100 个请求的速度访问这些图像。
我正在考虑使用 Hadoop 或 Cassandra，但我真的不知道哪个最好或如何最好地为它们编制索引。
【问题讨论】：
标签： hadoop nosql cassandra hbase
首先，我建议您也看看 HBase。 Imageshack 的人们正在使用 HBase 来存储他们的图像内容，并且他们能够成功地做到这一点。看到这个thread。
回到您最初的问题，您可以将不是很大（~10MB）的图像存储到 Cassandra 中。大文件可以通过 Cassandra（或 HBase）中的指针转储到 HDFS 中。
HTH
【讨论】：
如果您要将它们提供给 Internet，我建议您将它们放在 Amazon S3 上。它将为您节省大量操作开销，存储足够便宜，如果需要，您可以在其上放置一个 CDN (CloudFront)。只需为每个图像使用一个随机 ID，将其用作文件名，然后将该文件名保存在您的数据库中（Cassandra 可能是一个不错的选择）。
最终，这取决于您要如何处理这些图像。您应该更新您的问题并更多地解释您的用例。如果你只存储图片，也许你根本不需要数据库，但如果图片每秒被提供到互联网数百次，你就完全需要别的东西了。
【讨论】：