HBase 与 Hive 的区别和关系

不念不忘少年蓝@ 2022-05-28 11:10 285阅读 0赞

Hive和Hbase都是Hadoop生态体系中的重要角色，初接触难免有些理解不透彻的地方，谨以此博文做一小小记录。

# 通俗的理解 #

这里引用别人的一些经验。

*  Hive是什么？
    
    　　如果非要用一句话来说明Hive，则是这样的：Hive是sql到mapreduce程序的翻译工具。hive可以认为是map-reduce的一个包装，hive的意义就是把好写的hive的sql转换为复杂难写的map-reduce程序。
 *  Hbase是什么？
    
    　　也用一句话来说明一下Hbase，则是这样的：hbase可以认为是hdfs的一个包装。他的本质是数据存储，是个NoSql数据库；hbase部署于hdfs之上，并且克服了hdfs在随机读写方面的缺点。

# HIVE和HBASE区别 #

## 两者分别是什么？ ##

Apache Hive是一个构建在Hadoop基础设施之上的数据仓库。通过Hive可以使用HQL语言查询存放在HDFS上的数据。HQL是一种类SQL语言，这种语言最终被转化为Map/Reduce. 虽然Hive提供了SQL查询功能，但是Hive不能够进行交互查询–因为它只能够在Haoop上批量的执行Hadoop。

Apache HBase是一种Key/Value系统，它运行在HDFS之上。和Hive不一样，Hbase的能够在它的数据库上实时运行，而不是运行MapReduce任务。Hive被分区为表格，表格又被进一步分割为列簇。列簇必须使用schema定义，列簇将某一类型列集合起来（列不要求schema定义）。例如，“message”列簇可能包含：“to”, ”from” “date”, “subject”, 和”body”. 每一个 key/value对在Hbase中被定义为一个cell，每一个key由row-key，列簇、列和时间戳。在Hbase中，行是key/value映射的集合，这个映射通过row-key来唯一标识。Hbase利用Hadoop的基础设施，可以利用通用的设备进行水平的扩展。

## 两者的特点 ##

Hive帮助熟悉SQL的人运行MapReduce任务。因为它是JDBC兼容的，同时，它也能够和现存的SQL工具整合在一起。运行Hive查询会花费很长时间，因为它会默认遍历表中所有的数据。虽然有这样的缺点，一次遍历的数据量可以通过Hive的分区机制来控制。分区允许在数据集上运行过滤查询，这些数据集存储在不同的文件夹内，查询的时候只遍历指定文件夹（分区）中的数据。这种机制可以用来，例如，只处理在某一个时间范围内的文件，只要这些文件名中包括了时间格式。

HBase通过存储key/value来工作。它支持四种主要的操作：增加或者更新行，查看一个范围内的cell，获取指定的行，删除指定的行、列或者是列的版本。版本信息用来获取历史数据（每一行的历史数据可以被删除，然后通过Hbase compactions就可以释放出空间）。虽然HBase包括表格，但是schema仅仅被表格和列簇所要求，列不需要schema。Hbase的表格包括增加/计数功能。

## 限制 ##

Hive目前不支持更新操作。另外，由于hive在hadoop上运行批量操作，它需要花费很长的时间，通常是几分钟到几个小时才可以获取到查询的结果。Hive必须提供预先定义好的schema将文件和目录映射到列，并且Hive与ACID不兼容。

HBase查询是通过特定的语言来编写的，这种语言需要重新学习。类SQL的功能可以通过Apache Phonenix实现，但这是以必须提供schema为代价的。另外，Hbase也并不是兼容所有的ACID特性，虽然它支持某些特性。最后但不是最重要的–为了运行Hbase，Zookeeper是必须的，zookeeper是一个用来进行分布式协调的服务，这些服务包括配置服务，维护元信息和命名空间服务。

## 应用场景 ##

Hive适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网站的日志。Hive不应该用来进行实时的查询。因为它需要很长时间才可以返回结果。

Hbase非常适合用来进行大数据的实时查询。Facebook用Hbase进行消息和实时的分析。它也可以用来统计Facebook的连接数。

## 总结 ##

Hive和Hbase是两种基于Hadoop的不同技术–Hive是一种类SQL的引擎，并且运行MapReduce任务，Hbase是一种在Hadoop之上的NoSQL 的Key/vale数据库。当然，这两种工具是可以同时使用的。就像用Google来搜索，用FaceBook进行社交一样，Hive可以用来进行统计查询，HBase可以用来进行实时查询，数据也可以从Hive写到Hbase，设置再从Hbase写回Hive。

# 小结： #

## 共同点： ##

1.  hbase与hive都是架构在hadoop之上的。都是用hadoop作为底层存储

## 区别： ##

1.  Hive是建立在Hadoop之上为了减少MapReduce jobs编写工作的批处理系统，HBase是为了支持弥补Hadoop对实时操作的缺陷的项目 ;
2.  想象你在操作RMDB数据库，如果是全表扫描，就用Hive+Hadoop,如果是索引访问，就用HBase+Hadoop ;
3.  Hive query就是MapReduce jobs可以从5分钟到数小时不止，HBase是非常高效的，肯定比Hive高效的多。
4.  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，实际文件会落地在hdfs，并形成一个文件夹;
5.  hive借用hadoop的MapReduce来完成一些hive中的命令的执行
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。
8.  hdfs作为底层存储，hdfs是存放文件的系统，而Hbase负责组织文件。
9.  hive需要用到hdfs存储文件，需要用到MapReduce计算框架。

参考：[https://blog.csdn.net/andrewgb/article/details/50493088][https_blog.csdn.net_andrewgb_article_details_50493088]  
参考：[https://blog.csdn.net/z69183787/article/details/46403849][https_blog.csdn.net_z69183787_article_details_46403849]

[https_blog.csdn.net_andrewgb_article_details_50493088]: https://blog.csdn.net/andrewgb/article/details/50493088
[https_blog.csdn.net_z69183787_article_details_46403849]: https://blog.csdn.net/z69183787/article/details/46403849