Cassandra和HBase对比

 Cassandra和HBase对比：

	Cassandra	HBase
一致性	Quorum NRW策略 通过Gossip协议同步Merkle Tree，维护集群节点间的数据一致性	单节点，无复制，强一致性
可用性	1，基于Consistent Hash相邻节点复制数据，数据存在于多个节点，无单点故障。 2，某节点宕机，hash到该节点的新数据自动路由到下一节点做 hinted handoff，源节点恢复后，推送回源节点。 3，通过Gossip协议维护集群所有节点的健康状态，并发送同步请求，维护数据一致性。 4，SSTable，纯文件，单机可靠性一般。	1，存在单点故障，Region Server宕机后，短时间内该server维护的region无法访问，等待failover生效。 2，通过Master维护各Region Server健康状况和Region分布。 3，多个Master，Master宕机有zookeeper的paxos投票机制选取下一任Master。Master就算全宕机，也不影响Region读写。Master仅充当一个自动运维角色。 4，HDFS为分布式存储引擎，一备三，高可靠，0数据丢失。 5，HDFS的namenode是一个SPOF。
伸缩性	1，Consistent Hash，快速定位数据所在节点。 2，扩容需在Hash Ring上多个节点间调整数据分布。	1，通过Zookeeper定位目标Region Server，最后定位Region。 2，Region Server扩容，通过将自身发布到Master，Master均匀 分布。
负载均 衡	请求Zookeeper取得整个集群地址，然后根据Consistent Hash选择合适的节点。client会缓存集群地址。	请求Zookeeper取读写数据路由表定位Region Server，Master会修改这个路由表。Client自身也会缓存一部分路由信息。 如果Key的第一部分是时间或者序列数，所有新的Key都会被插入同一个区域,一直到此区域被塞满。此处存在热点问题。
数据差异比较算法	Merkle Tree , Bloom Filter	Bloom Filter
锁与事务	Client Timestap（Dynamo使用vector lock）	Optimistic Concurrency Control
读写性能	数据读写定位非常快。	数据读写定位可能要通过最多6次的网络RPC，性能较低。
可维护性	架构无中心化，维护成本低。 新增keyspace需要重启整个集群。	组件过多，架构复杂，维护成本较高。 删除表非常方便。
列排序	支持	不支持
map/reduce	支持不是很好	源生支持
访问接口	Thrift	多种，包括Thrift
点评	1，弱一致性，数据可能丢失。AP 2，可用性高。 3，扩容方便。 4，如果不需要map/reduce的话，维护相当简单。	1，强一致性，0数据丢失。CP 2，可用性低。 3，扩容方便。 4，组件过多，架构复杂，维护成本较高。

一、HBase：宽列式数据库，基于Apache Hadoop和BigTable的概念。

Apache HBase是一种NoSQL键/值存储系统，它在Hadoop分布式文件系统（HDFS）上运行。不像Hive，HBase操作在数据库上，而不是MapReduce作业上实时运行。HBase分成表，表又细分成列族（column family）。列族必须在模式中加以声明，它将某一组列（列不需要模式定义）分为小组。比如说，“message”列族可能包括以下这几列：“to”、“from”、“date”、“subject”和“body”。HBase中的每个键/值对被定义为一个单元（cell），每个键含有行键、列族和时间戳。HBase中的行是一组键/值映射，由行键来识别。HBase可以使用Hadoop的基础设施，并使用现成服务器实现横向扩展。

HBase的工作方式是，将数据存储为键/值。它支持四种主要的操作：添加或更新行的put，检索一组单元的scan，返回某个指定行的单元的get，以及从表上删除行、列或列版本的delete。拥有版本控制功能，那样可以获取数据的之前值（历史记录可以通过HBase压缩时不时删除，以释放空间）。虽然HBase包括表，但只有表和列族才需要模式，列不需要模式，它还包括增量/计数器功能。

HBase查询用一种需要学习的自定义语言来编写。可以通过Apache Phoenix，获得类似SQL的功能，不过其代价是需要维护模式。此外，HBase并不完全符合ACID，不过它确实支持某些属性。最后但并非最不重要的是，为了运行HBase，就需要ZooKeeper――这是面向分布式协调的服务器，比如配置、维护和命名。

HBase最适合大数据的实时查询。Facebook将它用于消息传递和实时分析。Facebook甚至将它用于计数Facebook点赞。

Hbase有集中式架构， Master服务器负责监控集群中的所有RegionServer（负责服务和管理区域）实例，它也是查看所有元数据变化的界面。它提供了CAP原理中的CP（一致性和可用性）。

HBase针对读取操作进行了优化，得到单次写入master的支持，支持因而获得的严格一致性模型，以及使用支持行扫描的顺序分区（Ordered Partitioning）。HBase很适合执行基于范围的扫描。

线性可扩展性，支持大表和范围扫描－－由于顺序分区，HBase很容易横向扩展，同时仍支持行键范围扫描。

辅助索引－－Hbase并不直接支持辅助索引，但触发器的一个使用场合是，“put”方面的触发器会自动确保辅助索引是最新版本，因而并不给应用程序（客户端）添加负担。

简单聚合－－Hbase Co Processors支持HBase中的即开即用的简单聚合。SUM、MIN、MAX、AVG和STD。如果定义java类，就可以构建其他聚合，从而执行聚合操作。

实际应用：Facebook Messanger

二、Cassandra: 宽列式数据库，基于BigTable和DynamoDB的概念

Apache Cassandra是一种主要的NoSQL分布式数据库管理系统，它支撑着如今的许多现代商务应用系统，它提供了持续可用性、高扩展性和高性能、强安全性和操作简单性，同时降低了总体拥有成本。

Cassandra拥有分散式架构。任何节点都能执行任何操作。它提供了CAP原理中的AP（可用性和分区可容忍性）。

Cassandra拥有出色的单行读取性能，只要最终的一致性语义足以满足使用场合的需要。Cassandra quorum读取是严格一致性所需要的，它自然不如Hbase读取来得快。Cassandra不支持基于范围的行扫描，这在某些使用场合可能具有局限性。Cassandra很适合支持单行查询，或者基于列值索引选择多行。

如果数据存储在Cassandra中的列里面以支持范围扫描，Cassandra中行大小的实际限制是10MB。大于这个数的行会在压缩开销和时间方面引起问题。

Cassandra支持列族辅助索引，其中列的名称已知（但不支持动态列）。

Cassandra中的聚合并不受到Cassandra节点的支持――客户端必须提供聚合机制。聚合需求横跨多个行时，随机分区（Random Partitioning）使得聚合对客户端来说很难。建议使用Storm或Hadoop用于聚合。

实际应用：Twitter

三、MongoDB：最流行的文档数据库之一

它是一种面向文档的数据库。Mongodb中的所有数据以JSON/BSON格式来处理。它是一种无模式数据库，数据库中的数据量超过TB级。它还支持主从复制方法，以便在服务器上复制数据的多个副本，从而使得某些应用系统中的数据整合来得更容易、更快速。

MongoDB结合了关系数据库的优点和NoSQL技术的创新，让工程师能够构建现代应用。

MongoDB保留了关系数据库最宝贵的功能特性：强一致性、表达式查询语言和辅助索引。因而，开发人员能够以比NoSQL数据库更快的速度来构建高度实用的应用程序。

MongoDB提供了NoSQL数据库的数据模型灵活性、弹性可扩展性以及高性能。因而，工程师可以不断改进应用，并且可以在商用硬件上实现几乎无限制的可扩展性。

支持全索引，以实现高性能

实际应用：FourSquare

HBase、Cassandra和MongoDB三大NoSQL数据库的比较

HBase：

主要特点：

1. 分布式和可扩展的庞大数据存储系统
2. 强一致性
3. 建立在Hadoop HDFS的基础上
4. CAP中的CP

适合于：

1. 针对读取进行了优化
2. 很适合基于范围的扫描
3. 严格一致性
4. 快速读取和写入，具有可扩展性

不适合于：

1. 典型的事务型应用程序或甚至关系分析
2. 应用程序需要全表扫描
3. 数据需要跨聚合、累积以及跨行分析。

使用场合：Facebook消息

Cassandra:

主要特点：

1. 高可用性
2. 逐步可扩展性
3. 最终一致性
4. 兼顾一致性和延迟
5. 最小化管理
6. 没有单一故障点――Cassandra中所有节点都一样
7. CAP中的AP

适合于：

1. 简单的安装，维护节点
2. 快速随机性读取/写入
3. 灵活的解析/宽列需求
4. 不需要多个辅助索引

不适合于：

1. 辅助索引
2. 关系数据
3. 事务型操作（回滚和提交）
4. 主记录/财务记录
5. 对数据需要严格的授权
6. 针对列数据的动态查询/搜索
7. 低延迟

使用场合：Twitter和Travel门户网站

MongoDB：

主要特点：

1. 应用程序完善后，模式随之变化（无模式）
2. 支持全索引，实现高性能
3. 复制和故障切换，实现高可用性
4. 自动分片，易于扩展
5. 基于丰富文档的查询，易于读取
6. 主从模式
7. CAP中的CP

适合于：

1. 取代Web应用的RDBMS
2. 半结构化内容管理
3. 实时分析和高速日志、缓存和高扩展性
4. Web 2.0、媒体、SaaS和游戏

不适合：

1. 高度事务型系统
2. 存在传统数据库需求的应用程序，比如外键约束。

使用场合：Craigslist和Foursquare

参考资料 ： 解读NoSQL技术代表之作Dynamo