1.5　使用HBase的時(shí)機(jī)

Hadoop是高性能、高穩(wěn)定、可管理的大數(shù)據(jù)應(yīng)用平臺(tái)。Hadoop實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)（Hadoop Distributed File System，HDFS）。HDFS具有高容錯(cuò)性，被設(shè)計(jì)部署在低廉的硬件上，為應(yīng)用程序訪問數(shù)據(jù)提供了高吞吐量，因而適用于那些有著超大數(shù)據(jù)集的應(yīng)用程序。HBase的存儲(chǔ)是基于Hadoop的。HBase具有超強(qiáng)的擴(kuò)展性和大吞吐量，采用的存儲(chǔ)方式為Key-Value（鍵-值）方式，故而即使數(shù)據(jù)量增大，也幾乎不會(huì)導(dǎo)致查詢性能下降。當(dāng)然，我們也需要注意HBase的缺點(diǎn)。數(shù)據(jù)分析是HBase的弱項(xiàng)，因?yàn)镠Base不支持表關(guān)聯(lián)，所以當(dāng)我們想實(shí)現(xiàn)group by或者order by時(shí)，需要編寫很多的代碼來實(shí)現(xiàn)MapReduce。正因?yàn)槿绱?，我們才需要更合理地使用HBase。下面是筆者根據(jù)自己的工作經(jīng)驗(yàn)給出的一些使用HBase的建議，希望這些建議對(duì)于讀者的技術(shù)選型有所助益。

1．?dāng)?shù)據(jù)量超千萬，可以選擇使用HBase

一般而言，如果單表的數(shù)據(jù)量只有百萬級(jí)或者更少，則不建議使用HBase，而應(yīng)該考慮關(guān)系數(shù)據(jù)庫是否能夠滿足應(yīng)用的需求；如果單表的數(shù)據(jù)量超過千萬或者在十億、百億的數(shù)量級(jí)，并且伴有較高并發(fā)的存取應(yīng)用，則可以考慮使用HBase，這樣可以充分利用分布式存儲(chǔ)系統(tǒng)的優(yōu)勢(shì)。

2．?dāng)?shù)據(jù)分析需求不多，可以選擇使用HBase

雖然說HBase是一個(gè)面向列的數(shù)據(jù)庫，但是它與真正的列式存儲(chǔ)系統(tǒng)（比如Parquet、Kudu等）又有所區(qū)別，再加上自身存儲(chǔ)架構(gòu)的設(shè)計(jì)，使得HBase并不擅長做數(shù)據(jù)分析。所以如果業(yè)務(wù)需求是為了做數(shù)據(jù)分析，比如做報(bào)表，那么不建議使用HBase。

3．實(shí)時(shí)根據(jù)主鍵查詢，可以選擇使用HBase

HBase是一個(gè)鍵-值數(shù)據(jù)庫，默認(rèn)對(duì)RowKey做了索引優(yōu)化，所以即使數(shù)據(jù)量非常龐大，根據(jù)RowKey查詢的效率也會(huì)很高。但是，如果還需要根據(jù)其他條件進(jìn)行查詢，則不建議使用HBase。

4．多表連接查詢，不建議使用HBase

HBase是NoSQL產(chǎn)品中的一種，它也具有NoSQL的缺點(diǎn)，就是不能進(jìn)行連表查詢等操作，也就是說，如果業(yè)務(wù)場(chǎng)景需要事務(wù)支持，或者存在復(fù)雜的關(guān)聯(lián)查詢，則不建議使用HBase。