大数据入门：Hive和Hbase区别对比

在大数据技术生态当中，Hive和Hbase无疑都是非常重要的两个组件，在实际的大数据处理任务当中，这两者也都不可或缺，尤其是在Hadoop基础架构的支撑下，这两者各自占据着重要地位。今天的大数据入门分享，我们就来讲讲Hive和Hbase区别对比。

从本质上来说，Hive和Hbase本身定义就不一样，前者是基于Hadoop的数据库，后者是Hadoop的数据仓库。数据仓库，严格来说不是数据库。

Hive与Hbase定义区别

Hbase，其实是Hadoop database的简称，是一种NoSQL数据库，主要适用于海量明细数据（十亿、百亿）的随机实时查询，如日志明细、交易清单、轨迹行为等。

Hive，Hadoop数据仓库，通过SQL来处理和计算HDFS的数据，Hive会将SQL翻译为Mapreduce来处理数据，适用于离线的批量数据计算。

Hive和Hbase查询对比

Hive作为分析查询引擎，是专门为启用数据分析而设计的，专用的Hive查询语言（HiveQL）与SQL类似。最初，Hive将HiveQL查询转换为Hadoop MapReduce作业执行，而如今，Apache Hive还能够将查询转换为Apache Tez或Apache Spark作业。

HBase作为支持查询的数据管理器，仅HBase不能用于分析查询，因为它没有专用的查询语言。为了运行CRUD（创建，读取，更新和删除）和搜索查询，它具有基于JRuby的shell，该shell提供了简单的数据操作可能性，例如Get，Put和Scan。

Hive和Hbase关系

在大数据架构中，Hive和HBase是协作关系，在数据引入到数据存储上密切配合，共同完成任务——

通过ETL工具将数据源抽取到HDFS存储；

通过Hive清洗、处理和计算原始数据；

HIve清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase；

数据应用从HBase查询数据。

Hive和Hbase底层对比

Hive中的表是纯逻辑表，就只是表的定义等，即表的元数据。Hive本身不存储数据，它完全依赖HDFS和MapReduce。这样就可以将结构化的数据文件映射为为一张数据库表，并提供完整的SQL查询功能，并将SQL语句最终转换为MapReduce任务进行运行。而HBase表是物理表，适合存放非结构化的数据。

Hive是基于MapReduce来处理数据，而MapReduce处理数据是基于行的模式；HBase处理数据是基于列的而不是基于行的模式，适合海量数据的随机访问。

HBase的表是疏松的存储的，因此用户可以给行定义各种不同的列；而Hive表是稠密型，即定义多少列，每一行有存储固定列数的数据。

Hive使用Hadoop来分析处理数据，而Hadoop系统是批处理系统，因此不能保证处理的低迟延问题；而HBase是近实时系统，支持实时查询。

关于大数据入门，Hive和Hbase区别对比，以上就为大家做了详细的介绍了。在Hadoop为首的大数据技术生态当中，Hive和Hbase各居其位，各自发挥着自身的作用，把各自的定位搞清楚，对于后续的学习很重要。