cdh中hue集成hbase_Hbase、Kudu和ClickHouse全视角对比

点击上方蓝色字体，选择“设为星标”

回复”资源“获取更多资源

大数据技术与架构 点击右侧关注，大数据开发领域最强公众号！

大数据真好玩 点击右侧关注，大数据真好玩！

Hbase、Kudu和ClickHouse横向对比V2.0

前言

Hadoop生态圈的技术繁多。HDFS一直用来保存底层数据，地位牢固。Hbase作为一款Nosql也是Hadoop生态圈的核心组件，它海量的存储能力，优秀的随机读写能力，能够处理一些HDFS不足的地方。Clickhouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。能够使用SQL查询实时生成分析数据报告。它同样拥有优秀的数据存储能力。

Apache Kudu是Cloudera Manager公司16年发布的新型分布式存储系统，结合CDH和Impala使用可以同时解决随机读写和sql化数据分析的问题。分别弥补HDFS静态存储和Hbase Nosql的不足。

既然可选的技术路线有这么多，本文将从安装部署、架构组成、基本操作等方面横向对比一下Hbase、Kudu和Clickhouse。另外这里还引入了几个大厂的实践作为例子予以参考。

安装部署方式对比

具体的安装步骤不过多赘述，这里只简要比较安装过程中需要依赖的外部组件。

Habse安装

依赖HDFS作为底层存储插件 依赖Zookeeper作为元数据存储插件

Kudu安装

依赖Impala作为辅助分析插件 依赖CDH集群作为管理插件，但是不是必选的，也可以单独安装

Clickhouse安装

依赖Zookeeper作为元数据存储插件和Log Service以及表的 catalog service

组成架构对比

Hbase架构

Kudu架构

Clickhouse架构

综上所示，Hbase和Kudu都是类似于Master-slave的架构而Clickhouse不存在Master结构，Clickhouse的每台Server的地位都是等价的，是multi-master模式。不过Hbase和Clickhouse额外增加了一个Zookeeper作为辅助的元数据存储或者是log server等，而Kudu的元数据是Master管理的，为了避免server频繁从Master读取元数据，server会从Master获取一份元数据到本地，但是会有元数据丢失的风险。

基本操作对比

数据读写操作

•Hbase读流程

•Hbase写流程