Hbase和Hive的特点，和应用场景

Hbase是什么？

Hbase是一个架构在Hdfs文件系统上的列式存储,是开源的，分布式，面向列的数据库。适合于非结构化数据存储的数据库。

Hbase是一个高可靠、高性能、面向列、可伸缩的分布式存储系统，可以在廉价的PC Server搭建大规模结构化存储集群.

1,HBase位于Hadoop生态系统的结构化存储层。

image

2,HDFS作为其底层的文件存储

3,MapReduct为Hbase提供高性能的计算能力

4,Zookeeper为HBase提供了稳定的服务和failover的能力

image

Hive是什么？

hive是一个基于Hadoop的一个数据仓库工具。可以将结构化数据映射为一张数据库表，并且提供sql的查询能力，可以将sql换换为MapReduce任务进行。

下面我们看看Hive的架构图：

1，用户接口，hive主要有三个接口，CLI(CLI启动的时候会同时气筒一个Hive的副本)，Client(hive的客户端，连结hive server)，web UI(通过浏览器访问)

2，元数据存储，hive将元数据存储在数据库中如：mysql。

3，Driver(解释器、编译器、优化器、执行器)：完成词法分析，语法分析，优化，编译，优化以及查询计划的生成，随后由MapReduce使用。

4，Hadoop ，hive的数据存储在Hdfs中。大部分的查询由MapReduce完成。

image

Hbase

上面我们分别看了Hbase的特点，hive的特点，那么Hbase和Hive的差别是什么以及各自的使用场景是什么？

Hbase和Hive 二者都是以Hdfs为文件存储。

Hbase支持列扩展，可以对单元格修改。采取K-V的设计，因此查询效率比较高，一般用于延迟忍耐低的场景；还有就是经常需要扩展属性，修改属性场景。

Hbase的查询一般通过命令窗口进行，语句比较负责，但是hive的采用标准的sql语法，门槛低，上手简单。当然Hbase也有Phoenix可以去支持 sql这样的语法操作。

下面看看hbase具体的应用场景：

千万并发、PB存储、KV基础存储、动态列、强同步、稀疏表、二级索引、SQL

image

对象存储：头条类、新闻类的的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中。

时序数据：HBase之上有OpenTSDB模块，可以满足时序类场景的需求。

推荐画像：用户的画像，是一个比较大的稀疏矩阵。蚂蚁的风控就是构建在HBase之上。

时空数据：主要是轨迹、气象网格之类，滴滴打车的轨迹数据主要存在HBase之中，另外在技术所有大一点的数据量的车联网企业，数据都是存在HBase之中

CubeDB OLAP：Kylin一个cube分析工具，底层的数据就是存储在HBase之中，不少客户自己基于离线计算构建cube存储在hbase之中，满足在线报表查询的需求。

消息/订单：在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在HBase之上。

消息/订单：在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在HBase之上。

Hive 不能支持列扩展，支持追加，好像在新版本中可以支持修改，但是效率比较低。Hive处理的数据的吞吐量高，文件越大，hive的优势就约明显。一半用于 延迟忍耐高的场景。

下面再来看看Hive的具体使用场景：

1，分析网络日志。

2，ETL清洗数据。

3，构建数据仓库。

4，数据挖掘

最后在总结：Hbase和Hive本身都不能存储数据。二者都是对Hdfs上的文件在做了一次组织。从而适应不同的场景。Hbase 在与查询，动态列场景更有优势，但是无法进行数据分析和挖掘。二Hive本身无法在低延迟的场景下使用。Hive可以处理大量数据的ETL清洗。构建统一的标准的数据仓库，从而提供基础数据，共上层数据分析。所以hive更加偏向于数据分析。

作者：数据僧
链接：https://www.jianshu.com/p/290a13b9b85c