今天给大家带来的是大数据开发-HBase关系对比，相信大家也都发现了，有很多框架的用处都差不多，为什么只用这个而不用那个呢？这就是两者之间的一些不同之处的对比，然后选择一个最适用的，本期就是关系对比，为什么它最适用！一、HBase基础知识（1）HBase依赖和NoSQLHBase依赖于HDFS做底层的数据存储，BigTable依赖GoogleGFS做数据存储HBase依赖于MapReduce做数据计算，BigTable依赖GoogleMapReduce做数据计算HBase依赖于ZooKeeper做服务协调，BigTable依赖GoogleChubby做服务协调NoSQL=NOSQLNoSQL=NotOnlySQL：会有一些把NoSQL数据的原生查询语句封装成SQL，比如HBase就有Phoenix工具关系型数据库和非关系型数据库的典型代表NoSQL：hbase,redis,mongodbRDBMS：mysql,oracle,sqlserver,db2（2）NoSQL数据库的要点：1.它介于NoSQL和RDBMS之间，仅能通过主键(rowkey)和主键的range来检索数据2.HBase查询数据功能很简单，不支持join等复杂操作3.不支持复杂的事务，只支持行级事务(可通过hive支持来实现多表join等复杂操作)。4.HBase中支持的数据类型：byte[]（底层所有数据的存储都是字节数组）5.主要用来存储结构化和半结构化的松散数据。（3）结构化、半结构化和非结构化区别：结构化：数据结构字段含义确定，清晰，典型的如数据库中的表结构半结构化：具有一定结构，但语义不够确定，典型的如HTML网页，有些字段是确定的(title)，有些不确定(table)非结构化：杂乱无章的数据，很难按照一个概念去进行抽取，无规律性与Hadoop一样，HBase目标主要依靠横向扩展，通过不断增加廉价的商用服务器，来增加计算和存储能力。二、HBase与Hadoop的关系（1）HDFS1.为分布式存储提供文件系统2.针对存储大尺寸的文件进行优化，不需要对HDFS上的文件进行随机读写3.直接使用文件4.数据模型不灵活5.使用文件系统和处理框架6.优化一次写入，多次读取的方式（2）HBase1.提供表状的面向列的数据存储2.针对表状数据的随机读写进行优化3.使用key-value操作数据4.提供灵活的数据模型5.使用表状存储，支持MapReduce，依赖HDFS6.优化了多次读，以及多次写三、RDBMS与HBase的对比关系型数据库（1）结构：1.数据库以表的形式存在2.支持FAT、NTFS、EXT、文件系统3.使用Commitlog存储日志4.参考系统是坐标系统5.使用主键（PK）6.支持分区7.使用行、列、单元格（2）功能：1.支持向上扩展2.使用SQL查询3.面向行，即每一行都是一个连续单元4.数据总量依赖于服务器配置5.具有ACID支持6.适合结构化数据7.传统关系型数据库一般都是中心化的8.支持事务9.支持JoinHBase（1）结构：1.数据库以region的形式存在2.支持HDFS文件系统3.使用WAL（Write-AheadLogs）存储日志4.参考系统是Zookeeper5.使用行键（rowkey）6.支持分片7.使用行、列、列族和单元格（2）功能：1.支持向外扩展2.使用API和MapReduce来访问HBase表数据3.面向列，即每一列都是一个连续的单元4.数据总量不依赖具体某台机器，而取决于机器数量5.HBase不支持ACID（Atomicity、Consistency、Isolation、Durability）6.适合结构化数据和非结构化数据7.一般都是分布式的8.HBase不支持事务9.不支持Join好了以上就是本期的所有内容了，大数据开发的关系对比了解的清楚才能更好的选择适合自己的，知己知彼百战百胜。希望大家点个
转载请注明：http://www.aierlanlan.com/rzgz/6644.html
