HBase和Cassandra的区别？

Answer 1

两个都用过，学过，虽然是NoSQL，但是它们从本质上完全不同（想了解各种不同的NoSQL，推荐看老Martin的NoSQL Distilled这本书）。这里只点出最重要的不同：数据的集中和分散HBase基于Big Table，和Hadoop MapReduce完美integrate，数据组织以支持scan为最优先（rowkey 按大小排序分region，所以相近的rowkey必然在相同的region server上），甚至每一个get操作的内部实现都是scan。所以你的应用场景需要大量scan操作 或者需要经常配合MapReduce，而random access数据为辅助手段，那么HBase是你的绝佳选择。Cassandra基于我司的Dynamo，强调自由配置CAP中的C（consistance）和A（availability），强调读写的分散（由于数据都用Distibute Key散列到了不同host，所以相近的Distibute key很大几率散列到不同的host上，这里取决于你的hash算法，这里只说大多数情况）。这种storage model（consistent hash）决定了Cassandra的scan效率比HBase低，但是可以支持更高的并发写与读，并且高并发写和读可以在不同的配置的情况下在一个表上同时实现（由于读写的replica number是可以基于per request 定义的）如果你需要高并发可调节读写，scan需求少，那么Cassandra则比HBase更合适。其他的不同就是各种feature了，比如cassandra支持用户自定义multi version control，multi version conflict resolve，算是一个亮点，而HBase貌似只支持multi version… cassandra的server是peer to peer的，完全不会有single point failure；而HBase则依赖于Master Server的协调… 等等综上所述，两种NoSQL DB cover了两种完全不同的data access pattern，他们俩 完全 不雷同。至于国内注重HBase？个人猜测嘛，还不是为了跟风hadoop催的… 为人必提大数据，提大数据必提hadoop，hadoop怎么存数据？HFile？那怎么random access? 然后...恩....Canssandra提供了太多可调节的地方了，调不好可以比MySQL还慢…