为什么HBase是Hadoop中比Cassandra更好的选择？

为什么使用

HBase

比使用

Cassandra

和

Hadoop

更好

有人能详细解释一下吗

---

谢谢

我不认为这两种都比其他的好，这不仅仅是一种或另一种。这些是非常不同的系统，每个系统都有各自的优缺点，因此这实际上取决于您的用例。它们肯定可以在同一基础设施中相互补充使用

为了更好地解释这一差异，我想借用一张图片，在这里他们讨论了CAP定理。他们说的基本上是对于任何分布式系统，您必须在一致性、可用性和分区容差之间找到平衡，并且您实际上只能满足其中两个属性。从中可以看出：

• Cassandra满足可用性和分区容差属性
• HBase满足一致性和分区容差特性

说到Hadoop，HBase是构建在HDFS之上的，如果您已经有了Hadoop堆栈，那么使用它会非常方便。Cloudera也支持它，它是Hadoop的标准企业发行版

但是Cassandra还与Hadoop有更多的集成，即越来越流行的Datastax Brisk。现在，您还可以使用Cassandra提供的输出格式（例如，

BulkOutputFormat

）将Hadoop作业输出的数据以本机方式流式传输到Cassandra集群中，Cassandra不再是一个独立的项目

根据我的经验，我发现Cassandra对于随机阅读来说非常棒，而对于扫描来说就不那么棒了

为了给画面增添一点色彩，我在同一个基础架构中使用了这两种方法，HBase的用途与Cassandra截然不同。我主要使用Cassandra进行实时快速查找，而更多使用HBase进行延迟要求较低的大量ETL批处理作业

---

这是一个值得在博客上发表的问题，因此，我不想继续下去，我想向您指出这两个系统之间的许多关键差异。底线是，IMHO没有更好的解决方案，您应该认真考虑您的用例，看看哪个系统更适合。

我们必须比较两个数据库的优缺点，并根据业务需求做出谨慎的决定

Cassandra

优点：

满足CAP的可用性和分区理论和最终一致性

可扩展的大型集群，无单点故障

类似SQL的开发语言允许开发人员轻松地从RDBMS后台过渡

只要最终的一致性语义对于用例来说足够，Cassandra就具有出色的单行读取性能

税收的支持是一大优势

针对写操作进行了优化

缺点：

不支持基于范围的行扫描

不支持原子比较和设置

Cassandra不支持协处理器功能`

Cassandra支持列名已知的列族上的二级索引。（不在动态列上）

Cassandra节点不支持Cassandra中的聚合

HBase

优点：

强一致性，满足CAP理论的一致性和划分

RDBMS等效触发器和存储过程

Hadoop支持

基于范围的行扫描

支持原子比较和设置

针对读取进行了优化，由单写主机支持

对聚合的支持

高可扩展性和数据自动分片

缺点：

缺乏友好的发展语言

不支持针对单行的读取负载平衡

行间操作不是原子的

如果只使用了一个HBase主机，则为单点故障

---

请看一看，这是进一步的细节。

MySql如何在您的图表中具有可用性？可用性是如何定义的？这对我来说没有意义，我认为你必须在C或A之间选择，而不是任何2@user1944408当然在每个系统中都有一种折衷的感觉，这只是为了说明滑动依赖性。你不可能在保留一处房产100%的同时获得另一处房产的100%，你必须做出一些权衡。您的文章提出了分区容差的假设，因此当然，您不能同时具有一致性和可用性。从同一本书中可以看出，CA行上的系统可以是分布式事务的两阶段提交，因此当网络分区发生时，系统将阻塞。这意味着当发生分区时，它们不可用，对吗？但HBase也是如此，这意味着HBase是CA。我认为数据库可以是CP或AP，但不能是CA。CP数据库中不包含CA数据库的哪个属性？你能给我举个例子吗？如果发生分区，HBase和分片MySql之间有什么区别？