初识Hadoop、Hive和HBase

Hadoop是一套行业大数据标准开源软件，在分布式环境下提供了海量数据的处理能力。

本质上是：分布式文件系统(HDFS) + 分布式计算框架(Mapreduce) + 调度系统Yarn搭建起来的分布式大数据处理框架。

Hive：是一个基于Hadoop的数据仓库，适用于一些高延迟性的应用（离线开发），可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能。Hive本身不存储和计算数据，它完全依赖于HDFS和MapReduce，Hive中的表是纯逻辑表。hive需要用到hdfs存储文件，需要用到MapReduce计算框架。

特点：

• 能够使用类SQL对数据进行查询操作
• Hive中没有索引（暴力扫描整张表，访问数据延迟高；使用MR，并行访问数据）
• Hive操作的数据是在分布式文件系统（HDFS）上的数据
• Hive不支持数据的修改
• Hive适合在离线下进行数据的操作，就是说不适合在挂在真实的生产环境中进行实时的在线查询或操作，因为一个字“慢”。

HBase：是一个Hadoop的数据库，一个分布式、可扩展、大数据的存储。hbase是物理表，不是逻辑表，提供一个超大的内存hash表，搜索引擎通过它来存储索引，方便查询操作。HBase本质上是数据存储，是部署在HDFS上的非关系型数据库。