我正在构建一个应用程序，使用hadoop从用户的输入图像中查找所有相似的图像。
我用两种方式来实现它：
方法1：我收集的图像被转换成sequencefile，作为map函数的输入。然后在map函数中，使用opencv库来比较这些图像与用户输入图像之间的相似度，包括以下步骤：-提取关键点-计算描述符-计算每对图像之间的距离，在reduce函数中找到相似度，我只复制与输出文件夹相似的图像。
方式2：
与方式1相似，除了：
我首先使用hbase存储图像特征（关键点、描述符）。为此，由于opencv不支持将关键点、描述符数据类型直接转换为bytes[]的方法（为了将数据插入hbase，我们必须转换为bytesl[]），因此我必须使用本文中提到的技巧：opencv mat object serialization in java
然后在map函数中，我只从hbase查询图像特征，与用户输入的图像特征进行比较。
在通常的思维中，我们可以看到，将所有的图像特征保存到一个数据库中，然后仅仅查询它们来与用户输入的图像进行比较，会比在每个Map函数中我们必须开始提取这些特征来做比较快。
但事实上，当我在我的虚拟机（独立模式）中执行并测试两种方式时，我发现方式2的运行速度比方式1慢，而且运行时间不可接受。在我看来，我认为方法2运行得很慢，因为在map函数中，从hbase中的bytes[]值转换到opencv中的keypoints、descriptor和datatype要花很多时间来进行比较。这就是为什么它会降低整个map函数的性能。
我收集的图片只包括240张jpg格式的图片。
所以我在这里的问题是，除了上述原因之外，我认为2号公路比1号公路慢。有没有其他原因使路2比路1慢，例如：
不建议使用hbase以独立模式运行？
输入大小不足以使用hbase？
谢谢。