MongoDB、Redis、elasticSearch、hbase的对比

MongoDB、Redis、elasticSearch、hbase的对比

MongoDB

优点：

　　(1) 最大的特点是表结构灵活可变，字段类型可以随时修改。

　　(2) 插入数据时，不必考虑表结构的限制。

　　(3) 不需要定义表结构这个特点给表结构的修改带来了极大的方便。

缺点

　　给多表查询、复杂事务等高级操作带来了阻碍

适用场景

　　(1) MongoDB很适合那些表结构经常改变，数据的逻辑结构没又没那么复杂不需要多表查询操作，数据量又比较大的应用场景。

　　(2) 例如，有一个游戏应用，需要存储每个用户的信息，用户分为法师、战士等具有不同属性的角色，技能装备，MongoDB只需要一张便就行了

Redis

优点

　　(1) key-value存储所带来的简单和高性能了

　　(2) 纯内存查询，查询速度远远高于MongoDB这类常规数据库的读写性能

　　(3) 支持持久化，list、set、String、zset、hashmap多种数据结构

　　(4) 是key-value数据库中功能最全面、最简单易用的一款数据库

缺点

　　(1) 给复杂查询带来了很多局限

　　(2) 查询都需要依赖key，所以大大限制了多列查询，区段查询等复杂的查询

　　(3) 因为是基于内存查询的，所以限制了可存储的数据量，限制了Redis在数据规模很大的应用场景中

应用场景

　　(1) 由于Redis牺牲了常规数据库中的数据表、复杂查询等功能，换来了很大的性能的提升

　　(2) 适合对读写性能极高，且数据表结构简单，查询条件简单的应用场景

ElasticSearch

优点

　　(1) 其实就是一个搜索引擎，底层是lucene，支持全文搜索

　　(2) 能够满足国内大多数人的全文搜索的需求，百度、Google就是使用es做的全文搜索

　　(3) es可以为你自动建立索引，实现高性能的复杂聚合查询

　　(4) 在复杂的查询也能够达到不错的性能，让开发者不用为如何建立索引而头痛了

缺点

　　最明显的就是字段类型无法修改、写入性能较低、高性能资源消耗

应用场景

　　es的全文搜索使他称为构建搜索引擎的利器，除此之外，es适合复杂的聚合查询，这一特点还使得es非常适合做数据分析使用

hbase

优点

　　(1) 继承了hadoop项目的优点，适合对海量数据的支持

　　(2) 极强的横向扩展能力

　　(3) 使用廉价的PC机就能够搭建起海量数据处理的大数据集群

缺点

　　对数据的读取带来了局限，只有同一列族的数据才能够放在一起，而且所有的查询都必须依赖于key，这就使得很多复杂的查询难以实现

应用场景

　　(1) 由于列式存储的能力带来了海量数据的容纳能力，因此非常适合数据量极大、查询条件简单、列与列之间联系不大的场景

　　(2) eg：搜索引擎使用的网页数据库

　　(3) hbase是一款很重的产品，依赖很多hadoop组件，如果数据规模规模不大，没必要使用hbase，MongoDB就完全可以满足需求

MongoDB、Redis、elasticSearch、hbase的适用场景：

　　(1) 如果你对数据的读写要求极高，并且你的数据规模不大，也不需要长期存储，选redis；

　　(2) 如果你的数据规模较大，对数据的读性能要求很高，数据表的结构需要经常变，有时还需要做一些聚合查询，选MongoDB；
　　(3) 如果你需要构造一个搜索引擎或者你想搞一个看着高大上的数据可视化平台，并且你的数据有一定的分析价值或者你的老板是土豪，选ElasticSearch；
　　(4) 如果你需要存储海量数据，连你自己都不知道你的数据规模将来会增长多么大，那么选HBase。