关闭。这个问题是基于意见的。它目前不接受答案。
**想改进这个问题吗？**更新这个问题，这样就可以通过编辑这篇文章用事实和引文来回答。

6年前关门了。
改进这个问题
问题：
我有一个巨大的特征向量表。向量中的每个元素由两个整数组成。举个例子：

-------------------------------------------------------------------------------
KEY |  VALUE
---------------------------------------------------------------------------------
    | f1    | f2    | f3    | f4    | f5       | f6       | f7    |  f8   | f9
---------------------------------------------------------------------------------
 1  | 13 42 |       | 546 43| 43 24 | 435  634 |          | 45  43|  4  5 | 5 647
 2  | 24 32 | 54 35 |       |       | 3124 32  | 454 3    | 4   5 |  12 1 |   
 3  | 3  1  | 54 32 |       | 43 24 |          | 31  2432 | 454 3 |  4  5 | 1 21    
---------------------------------------------------------------------------------

假设我有大约1200万行具有唯一键和大约200列（=400个子列）。如您所见，如果该元素没有该特性，则随机列中的值可能会丢失。
我想根据表查询x行（表中不存在）以找到前n个（n=10-20个可能）最佳匹配，使用一些定制的相似性函数f（vector1，vector2），它将执行==检查并返回一个相似性分数，考虑不同列匹配的不同权重。
问题：
从nosql数据库的Angular 来说，您认为什么样的实现最适合于此？我想进行实时查询。我正在考虑将hbase与hadoop结合使用（或者mongodb与hadoop结合使用，哪一种更好？），并编写一个mapreduce作业，在每一行上执行相似性函数并获得结果。我很担心hadoop的批处理工作是否能为我提供良好的实时性能（最多2秒）。我对lucene没什么经验-这在这里有用吗？
除此之外，有没有关于如何避免进行全表mapreduce扫描并以某种方式优化它的想法？