扣丁学堂大数据开发浅谈如何区分Hive与HBase

对于刚接触大数据的用户来说，要想区分Hive与HBase是有一定难度的。下面是扣丁学堂大数据培训来说给大家整理的关于从其各自的定义、特点、限制、应用场景等角度来进行分析，以帮助大家更好的理解、区分Hive和HBase。

​　　Hive是什么？

　　ApacheHive是一个构建于Hadoop(分布式系统基础架构)顶层的数据仓库，注意这里不是数据库。Hive可以看作是用户编程接口，它本身不存储和计算数据；它依赖于HDFS(Hadoop分布式文件系统)和MapReduce(一种编程模型，映射与化简；用于大数据并行运算)。其对HDFS的操作类似于SQL—名为HiveQL，简称HQL，它提供了丰富的SQL查询方式来分析存储在HDFS中的数据；HQL经过编译转MapReduce作业后通过自己的SQL去查询分析需要的内容；这样一来，即使不熟悉MapReduce的用户也可以很方便地利用SQL语言查询、汇总、分析数据，降低学习成本，提高工作效率。而MapReduce开发人员可以把己写的mapper和reducer作为插件来支持Hive做更复杂的数据分析。

　　HBase是什么？

　　ApacheHBase是运行于HDFS顶层的NoSQL(NotOnlySQL，泛指非关系型的数据库)数据库系统。区别于Hive，HBase具备随即读写功能，是一种面向列的数据库。HBase以表的形式存储数据，表由行和列组成，列划分为若干个列簇(rowfamily)。例如：一个消息列簇包含了发送者、接受者、发送日期、消息标题以及消息内容。每一对键值在HBase会被定义为一个Cell，其中，键由row-key(行键)，列簇，列，时间戳构成。而在HBase中每一行代表由行键标识的键值映射组合。Hbase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。

　　特性

　　遵从JDBC的Hive不但可以让具SQL知识的用户来间接执行MapReduce作业，同时里面也整合了目前基于SQL的操作工具。不过，由于默认的数据读取是全表遍历的，其时间的耗费也不可避免地相对较大。尽管如此，不尽相同的Hive分区方法，其遍历读取的数据量也是能够有所限制的。Hive分区允许对存储在独立文件上的数据进行筛选查询，返回的是筛选后的数据。例如针对日期的日志文件访问，前提是该类文件的文件名包含日期信息。

　　HBase以键值对的形式储存数据。其包含了4种主要的数据操作方式:

　　1.添加或更新数据行

　　2.扫描获取某范围内的cells

　　3.为某一具体数据行返回对应的cells

　　4.从数据表中删除数据行/列，或列的描述信息

　　列信息可用于获取数据变动前的取值（透过HBase压缩策略可以删除列信息历史记录来释放存储空间）。

　　限制

　　Hive不支持常规的SQL更新语句，如：数据插入，更新，删除。因为其对数据的操作是针对整个数据表的。同时该特点也使得数据查询用时以数分钟甚至数小时来进行计算。此外，其MapReduce转换过程必须遵从预定义的转换规则。

　　HBase的数据查询是有一套属于自己类似SQL的操作语言的，这个需要一定的学习来掌握。此外，要运行HBase，ZooKeeper是需要配备的。ZooKeeper是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

　　应用举例

　　Hive适用于离线网络日志等数据量大、静态的数据查询。例如：用户消费行为记录，网站访问足迹等。但是不适用于联机实时在线查询的场合。

　　HBase能在大数据联机实时查询场合大展身手。例如：Fackbook就利用其对用户间的传送的消息进行联机实时分析。