- 1利用MongoDB构建现代支付系统｜附《利用AI在支付领域的优势》报告下载_利用ai在支付领域的优势 celent
- 2【Python实战】Python采集地震信息_python爬取地震数据
- 3Windows制作chromium便携版_chromium 便携版
- 4Stable Diffusion使用教程【InsCode Stable Diffusion美图活动一期】_inscode stable diffusion导入模型_stable diffusion如何添加模型
- 5Fastjson反序列化漏洞原理与漏洞复现（基于vulhub，保姆级的详细教程）_fastjson反序列化漏洞修复
- 6ubuntu下openssl客户端通过代理服务器访问远程主机_openssl隧道代理sock到目标主机
- 7数据结构——二叉树_10000个结点的二叉树,叶子结点最多多少,最少多少
- 8ERROR: unsatisfiable constraints: git (missing): required by: world[git]
- 9vue3+threejs实现全景看房_threejs vr看房
- 10Hadoop基础架构及其特点解析_hadoop分布式集群架构技术
Hbase和Hive区别和联系
赞
踩
链接：https://www.zhihu.com/question/21677041/answer/185664626
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
先放结论：Hbase和Hive在大数据架构中处在不同位置，Hbase主要解决实时数据查询问题，Hive主要解决数据处理和计算问题，一般是配合使用。
一、区别：
- Hbase： Hadoop database 的简称，也就是基于Hadoop数据库，是一种NoSQL数据库，主要适用于海量明细数据（十亿、百亿）的随机实时查询，如日志明细、交易清单、轨迹行为等。
- Hive：Hive是Hadoop数据仓库，严格来说，不是数据库，主要是让开发人员能够通过SQL来计算和处理HDFS上的结构化数据，适用于离线的批量数据计算。
- 通过元数据来描述Hdfs上的结构化文本数据，通俗点来说，就是定义一张表来描述HDFS上的结构化文本，包括各列数据名称，数据类型是什么等，方便我们处理数据，当前很多SQL ON Hadoop的计算引擎均用的是hive的元数据，如Spark SQL、Impala等；
- 基于第一点，通过SQL来处理和计算HDFS的数据，Hive会将SQL翻译为Mapreduce来处理数据；
二、关系
在大数据架构中，Hive和HBase是协作关系，数据流一般如下图：
- 通过ETL工具将数据源抽取到HDFS存储；
- 通过Hive清洗、处理和计算原始数据；
- HIve清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase
- 数据应用从HBase查询数据；
通过hive的存储接口，hive和Hbase可以整合使用。
1、hive是sql语言，通过数据库的方式来操作hdfs文件系统，为了简化编程，底层计算方式为mapreduce。
2、hive是面向行存储的数据库。
3、Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce，Hive中的表纯逻辑。
4、HBase为查询而生的，它通过组织起节点內所有机器的內存，提供一個超大的內存Hash表 。
5、hbase不是关系型数据库，而是一个在hdfs上开发的面向列的分布式数据库，不支持sql。
6、hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作。
7、hbase是列存储。
Hive和Hbase有各自不同的特征：hive是高延迟、结构化和面向分析的，hbase是低延迟、非结构化和面向编程的。Hive数据仓库在hadoop上是高延迟的。
其中HBase位于结构化存储层，Hadoop HDFS为HBase提供了高可靠性的底层存储支持，Hadoop MapReduce为HBase提供了高性能的计算能力，Zookeeper为HBase提供了稳定服务和failover机制。
HDFS：Hadoop分布式文件系统
MapReduce：MapReduce分布式编程模型
Yarn：资源分配
Hbase：海量数据库，面向列
Hive：通过SQL操作结构化数据，为用户操作结构化数据提供一个易用的接口。
Flume：日志收集
Kafka：消息队列
Storm：流计算
作者：sheldon wong
链接：https://www.zhihu.com/question/27974418/answer/224652701
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
