Hive、Hbase、mysql的区别

1、Hive和Hbase的区别

①Hive是萨其拉语言，通过数据库的方式来操作hdfs文件系统，为了简化编程，底层计算方式为mapreduce。

②Hive是面向行存储的数据库。

③Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce，Hive中的表纯逻辑。

④Hbese为查询而生的，它通过组织起节点内所有机器的内存，提供一个超大的内存Hash表。

⑤Hbese不是关系型数据库，而是一个在HDFS上开发的面向列的分布式数据库，不支持sql。

⑥Hbase是物理表、不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作。

⑦Hbase是列存储。

  Hive和Hbase有各自不同的特征：Hive是高延迟、结构化和面向分析的，Hbase是低延迟、非结构化和面向编程的。Hive数据仓库在hadoop上是高延迟的。

  其中Hbase位于结构化存储层、hadoopHDFS为Hbase提供了高可靠性的底层存储支持，hadoop MapReduce为Hbase提供了高性能的计算能力，Zookeeper为Hbase提供了稳定服务和failover机制。

2、Hive和Hbase各是什么？

①Hive是什么？

  白话一点再加不严格一点，Hive可以认为是map-reduce的一个包装。Hive的意义就是把好写的Hive的sql转换为复杂难写的map-reduce程序。

②Hbase是什么？

  同样白话一点加不严格一点，Hbase可以认为是HDFS的一个包装、它的本质是数据存储，是个NoSql数据库；Hbase部署与HDFS之上，并且克服了HDFS在随机读写方面的缺点。

  Hive和Hbase哪里像了，好像哪里都不像，既然哪里都不像，又何来的“区别是什么”这一问题，所以要问Hive和Hbase的区别，就应该问问map-reduce和HDFS之间的区别，问区别，就要先说说他俩哪里像。

3、Hive和数据库的比较

  犹豫Hive采用了SQL的查询语言HQL,因此很容易将Hive理解为数据库。其实从结构上来看，Hive和数据库除了拥有类似的查询语言，再无类似之处。本文将从多个方面来阐述Hive和数据库的差异。数据库可以用在Online的应用中，但是Hive是为数据仓库而设计的，清楚这一点，有助于从应用角度理解Hive的特性。

①查询语言

  犹豫SQL被广泛的应用在数据库中，因此，专门针对Hive的特性设计了类SQL的查询语言HQL。熟悉SQL开发的开发者可以很方便的使用Hive进行开发。

②数据存储方便

Hive是建立在hadoop之上的，所有Hive的数据库是存储于HDFS中的。而数据库则可以将数据库保存在块设备或者本地文件系统中。

③数据格式

Hive中没有定义专门的数据格式，数据格式可以游用户指定，用户定义数据格式需要指定三个属性：列分隔符（通常为空格、“\t”、“\x001”）、行分隔符（“\n”）以及读取文件数据的方法（Hive中默认有三个文件格式TextFile，S额群策File以及RCFile）。由于在加载数据的过程中，不需要从用户数据格式到Hive定义的数据格式的转换，因此，Hive在加载的过程中不会对数据本身进行任何修改，而只是将数据内容复制或者移动到相应的HDFS目录中。而在数据库中，不同的数据库有不同的存储引擎，定义了自己的数据格式。所有数据都会按照一定的组织存储，因此，数据库加载数据的过程会比较耗时。

④数据更新

  由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不支持对数据的改写和添加，所有的数据都是在加载的是厚重确定好的。而数据库中的数据通常是需要经常进行修改的，因此可以使用INSERTINTO...VALUES添加数据，使用UPDATE...SET修改数据。

⑤索引

  之前已经说过，Hive在加载数据的过程中不会对数据进行任何处理，甚至不会对数据进行扫描，因此也没有对数据中的某些Key简历索引。Hive要访问数据中满足条件的特定值时，需要暴力扫描整个数据，因此访问延迟较高。由于MAPReduce的引入，Hive可以并行访问数据，因此即使没有索引，对于大数据量的访问，Hive仍然可以体现出优势。数据库中，通常会针对一个或者几个列监事索引，因此对于少量的特定条件的数据的访问，数据库可以有何闹得效率，较低的延迟。由于数据的访问延迟较高，决定了Hive不适合在线数据查询。

⑥执行

  Hive中大多数查询的执行是通过hadoop提供的MAPReduce来实现的（类似select*from tbl的查询不需要MAPReduce）。而数据库通常有自己的执行引擎。

⑦执行延迟

之前提到，Hive在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟较高。另外一个导致Hive执行延迟高的因素是MAPReduce框架。由于MapReduce本身具有较高的延迟，因此在利用MAPReduce执行Hive查询时，也会有较高的延迟。相对的，数据库的执行延迟较低。当然，这个低是由条件的，即数据规模较小，当数据规模大到超过数据库的处理能力的时候，Hive的并行计算显然能体现出优势。

⑧可扩展性

  由于Hive是建立在hadoop之上的，因此Hive的可扩展性是和hadoop的可扩展性是一致的（世界上最大的hadoop集群在yahool，2009年的规模在4000台节点左右）。而数据库由于ACID语义的严格限制，扩展行非常有限。目前最先进的并行数据库Oracle在理论上的扩展能力也只有100台左右。

⑨数据规模

  由于Hive建立在集群上并可以利用MAPReduce进行并行计算，因此可以支持很大的规模的数据；对应的，数据库可以支持的数据规模较小。