Cassandra HBase和MongoDb性能比较

Cassandra HBase和MongoDb性能比较

这是一篇基于亚马逊云平台上对三个主流的NoSQL数据库性能比较，在读写两个操作不同的组合情况下性能表现不同。

 

横坐标是吞吐量，纵坐标是延迟，这是一对矛盾，吞吐量越大，延迟越低，代表越好。

 

1. 纯粹插入，Cassandra领先，见下图：

 

2.WorkloadA: 读修改操作各占一半情况下的修改性能：MongoDB明显延迟增加，落败:

 

3.WorkloadB:读修改操作各占一半情况下的读性能：Cassandra落后

 

4.WorkloadB: 95%的read和5%的update以读为主的场景下修改性能：MongoDB落后：

 

5.WorkloadB: 95%的read和5%的update以读为主的场景下读取性能：

三者差不多，HBase好些：

 

6.WorkloadC 100%的read:

 

7.WorkloadD 5%的插入和95%的读的场景下插入性能，Cassandra表现最好。

 

8.WorkloadD 5%的插入和95%的读的场景下读性能，Cassandra表现最好。

 

9.WorkloadF 50%的read-modify-write 和50%的read，读取性能：

 

10.WorkloadF 50%的read-modify-write 和50%的read，修改性能，MongoDB表现最差

 

11.WorkloadF 50%的read-modify-write 和50%的read，read-modify-write性能，MongoDB表现最差

 

12.WorkloadG 90%的插入insert和10%的读取，插入性能：

 

总体个人总结：HBase比较中庸些，适合各种场景，Cassandra适合读写分离的场景，写入场景使用Cassandra，比如插入操作日志，或领域事件日志的写入；而MongoDB适合做读写分离场景中的读取场景，Cassandra与MongoDB之间使用定时同步，适合一致性要求不是特别强的业务。

 

 

不是很懂如何让Cassandra运用在读写分离的场景中？

 

 

2014-02-13 14:57 "@junsiyang"的内容

如何让Cassandra运用在读写分离的场景中 ...

 

在一个大型复杂系统中，以读操作为主的业务和以写操作为主的业务一般总是需要分离，比如CQRS架构，Cassandra可以用来对EventSourcing的领域事件进行记录，而报表等各种复杂条件的实时查询可以使用MongoDB。

 

参考：

纽约证券交易所的实时Map/Reduce大数据分析

 

大数据的Reactive之道