Hive 和 HBase 区别

1. 两者分别是什么？
   Apache Hive 是一个构建在 Hadoop 基础设施之上的数据仓库。通过 Hive 可以使用 HQL 语言查询存放在 HDFS 上的数据。HQL 是一种类 SQL 语言，这种语言最终被转化为 Map/Reduce. 虽然 Hive 提供了 SQL 查询功能，但是 Hive 不能够进行交互查询--因为它只能够在 Haoop 上批量的执行 Hadoop。
   Apache HBase 是一种 Key/Value 系统，它运行在 HDFS 之上。和 Hive 不一样，Hbase 的能够在它的数据库上实时运行，而不是运行 MapReduce 任务。Hive 被分区为表格，表格又被进一步分割为列簇。列簇必须使用 schema 定义，列簇将某一类型列集合起来（列不要求 schema 定义）。例如，“message”列簇可能包含：“to”, ”from” “date”, “subject”, 和”body”. 每一个 key/value 对在 Hbase 中被定义为一个 cell，每一个 key 由 row-key，列簇、列和时间戳。在 Hbase 中，行是 key/value 映射的集合，这个映射通过 row-key 来唯一标识。Hbase 利用 Hadoop 的基础设施，可以利用通用的设备进行水平的扩展。
2. 两者的特点
   Hive 帮助熟悉 SQL 的人运行 MapReduce 任务。因为它是 JDBC 兼容的，同时，它也能够和现存的 SQL 工具整合在一起。运行 Hive 查询会花费很长时间，因为它会默认遍历表中所有的数据。虽然有这样的缺点，一次遍历的数据量可以通过 Hive 的分区机制来控制。分区允许在数据集上运行过滤查询，这些数据集存储在不同的文件夹内，查询的时候只遍历指定文件夹（分区）中的数据。这种机制可以用来，例如，只处理在某一个时间范围内的文件，只要这些文件名中包括了时间格式。
   HBase 通过存储 key/value 来工作。它支持四种主要的操作：增加或者更新行，查看一个范围内的 cell，获取指定的行，删除指定的行、列或者是列的版本。版本信息用来获取历史数据（每一行的历史数据可以被删除，然后通过 Hbase compactions 就可以释放出空间）。虽然 HBase 包括表格，但是 schema 仅仅被表格和列簇所要求，列不需要 schema。Hbase 的表格包括增加/计数功能。
3. 限制
   Hive 目前不支持更新操作。另外，由于 hive 在 hadoop 上运行批量操作，它需要花费很长的时间，通常是几分钟到几个小时才可以获取到查询的结果。Hive 必须提供预先定义好的 schema 将文件和目录映射到列，并且 Hive 与 ACID 不兼容。
   HBase 查询是通过特定的语言来编写的，这种语言需要重新学习。类 SQL 的功能可以通过 Apache Phonenix 实现，但这是以必须提供 schema 为代价的。另外，Hbase 也并不是兼容所有的 ACID 特性，虽然它支持某些特性。最后但不是最重要的--为了运行 Hbase，Zookeeper 是必须的，zookeeper 是一个用来进行分布式协调的服务，这些服务包括配置服务，维护元信息和命名空间服务。
4. 应用场景
   Hive 适合用来对一段时间内的数据进行分析查询，例如，用来计算趋势或者网站的日志。Hive 不应该用来进行实时的查询。因为它需要很长时间才可以返回结果。
   Hbase 非常适合用来进行大数据的实时查询。Facebook 用 Hbase 进行消息和实时的分析。它也可以用来统计 Facebook 的连接数。
5. 总结
   Hive 和 Hbase 是两种基于 Hadoop 的不同技术--Hive 是一种类 SQL 的引擎，并且运行 MapReduce 任务，Hbase 是一种在 Hadoop 之上的 NoSQL 的 Key/vale 数据库。当然，这两种工具是可以同时使用的。就像用 Google 来搜索，用 FaceBook 进行社交一样，Hive 可以用来进行统计查询，HBase 可以用来进行实时查询，数据也可以从 Hive 写到 Hbase，设置再从 Hbase 写回 Hive。

附件 Hadoop 及 ZooKeeper 参考（赏点积分吧）