# 第3章标签数据存储

在画像系统搭建的过程中，数据存储的技术选型是非常重要的一项内容，不同的存储方式适用于不同的应用场景。

# 3.1 Hive存储

ID-MApping，即把用户不同来源的身份标识通过数据手段识别为同一个主体。

MySQL作为关系型数据库，在用户画像中可用于元数据管理、监控预警数据、结果集存储等应用中。

Hive适合于大数据量的批处理作业，对于量级较小的数据，MySQL具有更快的读写速度。
Web端产品读写MySQL数据库会有更快的速度，方便标签的定义、管理。

HBase是一个高性能、列存储、可伸缩、实时读写的分布式存储系统，同样运行在HDFS之上。
与Hive不同的是，HBase能够在数据库上实时运行，而不是跑MapReduce任务，适合进行大数据的实时查询。

画像系统中每天在Hive里跑出的结果集数据可同步到HBase数据库，用于线上实时应用的场景。

Elasticsearch是一个开源的分布式全文检索引擎，可以近乎实时地存储、检索数据。
而且可扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
对于用户标签查询、用户人群计算、用户群多维透视分析这类对响应时间要求较高的场景，也可以考虑选用Elasticsearch进行存储。