大数据技术Hbase 和 Hive 详解

目录

两者的特点

各自的限制

应用场景

大数据技术Hbase 和 Hive 详解， 今天给大家介绍一下关于零基础学习大数据视频教程之HBASE 和 HIVE 是多么重要的技术，那么两者有什么区别呢 ? 下面我们一起来看一下吧。

　　 ApacheHive 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 。

　　 ApacheHBase 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 Hbasecompactions 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。

各自的限制

　　 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 ApachePhonenix 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。

　　 Hive 和 Hbase 是两种基于 Hadoop 的不同大数据技术– 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 。