朱智文的专栏

单纯从技术的角度来说其实没有好坏之分，技术选型需要结合实际的业务场景来定。从问题描述上看大致可以从几个方面来考虑：1）数据量每天5G数据量，按存储1年的数据来考虑，大概是1.8T，es和hbase都能支持，并且两者都可以通过扩展集群来加大可存储的数据量。随着数据量的增加，es的读写性能会有所下降，从存储原始数据的角度来看，hbase要优于es2）数据更新es数据更新是对文档进行更新

安装HBase时，要考虑选择正确的Hadoop版本，否则可能出现不兼容的情况。HBase各版本和Hadoop版本的支持情况，官方有相关说明，下面表格中："S" = 支持"X" = 不支持"NT" = 未测试 HBase-0.94.xHBase-0.98.x (Support for Hadoop 1

HBase中，表会被划分为1...n个Region，被托管在RegionServer中。Region二个重要的属性:StartKey与EndKey表示这个Region维护的rowKey范围，当我们要读/写数据时，如果rowKey落在某个start-end key范围内，那么就会定位到目标region并且读/写到相关的数据。简单地说，有那么一点点类似人群划分，1-15岁为小朋友,16-39岁为年轻人