大数据存储选型：HBase vs Cassandra vs MongoDB 对比

以下是针对大数据存储场景的HBase、Cassandra、MongoDB核心维度对比，结合技术架构与适用场景分析：

---

一、核心架构对比

维度	HBase	Cassandra	MongoDB
数据模型	列式存储（宽表）	宽列存储（Partitioned Row Store）	文档存储（BSON/JSON）
一致性模型	强一致性（CP）	最终一致性（AP）	可调一致性（CP/AP灵活配置）
分布式架构	Master-Slave（依赖HDFS+ZooKeeper）	P2P无中心（Gossip协议）	分片集群（Config Server+Shard）
扩展性	线性扩展（RegionServer水平扩容）	无瓶颈线性扩展	分片键设计影响扩展效率

---

二、性能与适用场景

1. 写入场景

• HBase：
  • 优势：LSM树结构实现高吞吐写入，适合时序数据（如日志流）。
  • 局限：随机读性能依赖BlockCache优化。
    $$ \text{写入吞吐量} \propto \text{RegionServer数量} \times \text{MemStore配置} $$
• Cassandra：
  • 优势：无中心架构下跨数据中心写入，适合全球化部署（如IoT设备数据）。
  • 优化：通过Write-Ahead Log + MemTable实现低延迟写入。
• MongoDB：
  • 适用场景：文档级写入（如用户行为事件），但分片不均易引发热点。

2. 查询场景

• HBase：
  • 高效场景：基于RowKey的范围扫描（如时间区间查询）。
  • 局限：非RowKey查询需配合Phoenix二级索引。
• Cassandra：
  • 灵活查询：支持分区键+聚类键的多级索引，但需预定义查询模式。
  • 限制：非分区键查询需启用ALLOW FILTERING（性能风险）。
• MongoDB：
  • 优势：丰富查询（聚合管道、地理空间索引），适合实时分析。

  // 示例：MongoDB聚合查询用户行为
  db.events.aggregate([
    { $match: { timestamp: { $gt: ISODate("2023-01-01") } } },
    { $group: { _id: "$userId", totalActions: { $sum: 1 } } }
  ]);
  

---

三、关键特性对比

特性	HBase	Cassandra	MongoDB
事务支持	单行事务	轻量级事务（PAXOS）	多文档ACID事务（4.0+）
二级索引	需集成Phoenix/Solr	内置SASI/二级索引	原生支持
数据压缩	支持（Snappy/LZ4）	列级压缩	集合级压缩
运维复杂度	高（依赖Hadoop生态）	中（自包含）	低（Atlas托管方案成熟）

---

四、选型决策树

graph TD
  A[需求类型] --> B{写入量级}
  B -->|超高频写入| C[时序数据？]
  C -->|是| D[HBase]
  C -->|否| E[Cassandra]
  B -->|高灵活查询| F[MongoDB]
  A --> G{一致性要求}
  G -->|强一致| H[HBase/MongoDB]
  G -->|最终一致| I[Cassandra]
  A --> J{扩展性}
  J -->|跨数据中心| K[Cassandra]
  J -->|垂直扩展| L[MongoDB]

---

五、典型场景推荐

• HBase：
  • 海量结构化数据存储（如电信详单、金融交易流水）。
  • 需与Hadoop生态集成（Spark分析、Hive查询）。
• Cassandra：
  • 全球化部署的AP系统（如电商库存、设备状态库）。
  • 高可用需求优先（容忍节点宕机）。
• MongoDB：
  • 半结构化数据快速迭代（用户画像、实时推荐）。
  • 开发敏捷性优先（模式自由 + 丰富查询API）。

关键建议：

• 追求写入吞吐+强一致 → HBase
• 需要跨DC容灾+最终一致 → Cassandra
• 强调开发效率+复杂查询 → MongoDB