MongoDB、Cassandra 和 HBase 三種 NoSQL 資料庫比較

來自：過往資料大資料

綜合自網絡：

https://blog.csdn.net/aa5305123/article/details/83142514

Hadoop 獲得了許多大資料應用的信譽，但實際情況是，NoSQL資料庫是一直處于更加廣泛部署和更廣泛的發展中的技術。盡管選擇 Hadoop 作為應用存儲，相對來說更直接簡單。但是，具體采用什麼樣的 NoSQL 資料庫是個值得思考的問題，畢竟，還有超過100種的 NoSQL 資料庫。

我們應該選擇哪一種？

選擇傾向

“任何像樣規模的企業都會使用各種不同類型的資料存儲技術，為應對各種不同類型的資料。”Martin Fowler認為，現實的情況是你沒有足夠的精力去學習更多的存儲技術。

幸運的是，選擇越來越容易，因為市場主要圍繞在三個NoSQL資料庫上：MongoDB，Cassandra（主要由DataStax開發的，誕生于Facebook），和HBase的（和Hadoop緊密關聯在一起，也被相同社群開發出來）。

補充一點，我故意排除 Redis。相對于大資料存儲，它主要用于高速記憶體緩存資料應用。

上圖來自于 DB-Engines 各種資料庫的排名（

https://db-engines.com/en/ranking_trend

） ，可以看到前面幾年基本上都是關系資料庫 Oracle、MySQL、SQL Server 以及 PostgreSQL 的天下。MongoDB 排名第五名， Cassandra 排名十名，而 HBase 排名十七名。

為了更好解釋為什麼這三個資料庫技術的如此耀眼，我問的每一個具有代表性的人，以确定它們成功關鍵因素：Kelly Stirman，MongoDB的産品總監;Patrick McFadin，DataStax的Cassandra首席布道師;和Justin Kestelyn，Cloudera進階總監。

但首先，我們需要了解為什麼使用NoSQL的原因。

世界由非結構化資料構成

我們生活在一個資料越來越豐富的世界裡，但是這些資料都不能整齊的展示在一個RDBMS（Relational Database Management System，關系資料庫管理系）的行和列中。移動、社交和雲計算催生了龐大的海量的資料。根據估計，世界上90％的資料是在過去兩年中被創造，以及80％的商業資料是非結構化的。更重要的是，非結構化資料的增長速度是結構化資料的兩倍。

随着世界的變化，資料管理要求開始超越傳統的關系型資料庫的有效範圍。最早關注這個問題解決方案的機構，包括Web技術的先驅、政府機構、從事資訊技術服務的公司。

現在越來越多，形形色色的公司都希望利用類似的NoSQL和Hadoop作為替代品：通過NoSQL來建立業務營運應用，以及Hadoop來建立資料挖掘的應用程式，來幫助公司對商業資料提供有力的研究。

MongoDB：源于開發人員，為開發人員服務

在衆多 NoSQL 的方案中，MongoDB 的 Stirman 指出，MongoDB 瞄準了适合各種應用的平衡方法。它的功能接近于傳統的關系型資料庫，MongoDB 的使用者不僅可以利用其橫向擴充機器的雲基礎架構的優勢，并且，因為它能夠輕松定義各種靈活的資料模型，是以可以支援不同類型的資料集存儲。

MongoDB 通常是開發人員第一個嘗試的NoSQL資料庫，因為它是很容易學習。Will Shulman，MongoLab（一個MongoDB服務提供商）的CEO，是這樣說的：

MongoDB 中的成功在很大程度上是因為它資料結構存儲的創新，讓我們更容易和更具表現力地定義我們應用程式中的資料模型。在通常開發和應用場景中，和原有資料庫具有相同的基本資料模型是有極大好處的，因為它簡化了應用程式開發的任務，另一方面，消除了複雜的資料格式代碼轉換層。

當然，像任何其他技術一樣，MongoDB中都有其長處和短處。MongoDB是專門為OLTP（On-Line Transaction Processing，聯機事務處理系統）模式。如果您需要複雜的事務處理，它不是一個好的選擇。然而，MongoDB的簡單性使其成為一個優秀的存儲。

（注：MongoDB以文檔的形式存儲資料，不支援事務和表連接配接。是以查詢的編寫、了解和優化都容易得多。）

Cassandra：規模化安全運作

三種資料庫中，至少兩種資料庫具有簡單特性：開發簡單，操作簡便。而MongoDB赢得人心的原因是簡單的開發應用，Cassandra赢得人心是因為易于管理的規模。

DataStax 的 McFadin 告訴我，使用者往往傾向于使用 Cassandra ，是因為特别在大規模叢集下，增強一個關系型資料的性能、可靠性是非常困難的。一位前甲骨文DBA，McFadin是興高采烈地發現，“複制和可擴放性是基礎”，Cassandra 特點是從一開始設計就解決這個問題。

在RDBMS中的世界，資料庫功能，拓展和複制對很多開發者使用者來說，是一個難題。這個問題在過往的企業規模小的時候，不是一個大問題。而在今天，它很迅速地成為大問題。

我從McFadin和其他人那裡獲知，Cassandra在機器拓展部署上，表現特别出色。Cassandra自帶的備份機制，保證各個資料中心的資料安全。至于增加容量到叢集，“你隻需啟動一台新機器，并告訴Cassandra那裡的新節點，”McFadin說，“然後，它完成其他剩下的事情。”

優秀的可拓展性，加上出色的寫入和可觀的查詢性能，加起來成為Cassandra高性能的核心。

NoSQL的一篇文章認為Cassandra在叢集規模管理方面非常出色，但它需要一個博士學位才能上手。事實并非如此，McFadin堅持認為：

在複制、讀取和寫入是故意簡單。你可以在幾個小時内學會Cassandra的核心功能。在部署這項新技術的時候，為給開發者帶來很多的信心，因為比較少引入“黑盒子”内的技術細節和複雜的故障模式原理。

這意味着主要的開發成本，是對Cassandra資料模型的了解，以及如何結合您的應用程式。鑒于Cassandra的CQL查詢語言（類似于SQL，實際上不是SQL），McFadin說，學習這個也不困難。

更重要的是，他告訴我，“Cassandra回報給你的是，在一個資料庫中：沒有戲劇性的場景（故障）出現。這就是使用者喜歡使用Cassandra的原因。”

HBase：Hadoop的知心夥伴

HBase，像Cassandra一樣是個通過key-value面向列存儲的服務。因為它和Hadoop有着“共同血統”，被廣泛使用。事實上，正如Cloudera的Kestelyn所說的那樣，“HBase提供了一個基于記錄的存儲層，能夠快速随機讀取和寫入資料，正好彌補了Hadoop的缺陷，Hadoop側重系統吞吐量，而犧牲I / O讀取效率為代價。”

Kestelyn接着說：

更改有效錄入到記憶體中，以達到最大的通路量，同時将資料儲存到HDFS。這種設計使基于Hadoop的EDH（enterprise data hub，企業資料中心）服務，能夠實時完成随機讀寫存儲資料，但仍擁有HDFS的高容錯性和耐用性。

Hadoop的親和力，不是HBase資料庫中的人氣排名不斷上升的唯一原因。類似Cassandra，HBase是Google的Bigtable的開源實作轉化成的資料庫，天然被設計為高可擴充性。

HBase可以利用任何數量伺服器的磁盤、記憶體和CPU資源，同時擁有極佳的擴充功能，如自動分片。當系統負載和性能要求不斷增加，HBase的可通過簡單增加伺服器節點的方式無限拓展。HBase從底層設計上保證，在確定資料一緻性的同時，提供最佳性能。

但規模不是它的唯一用途。Kestelyn指出，“由于它與Hadoop的生态系統緊密內建，對于使用者和應用程式來說，資料是容易擷取的，可以通過SQL的方式查詢（使用Cloudera的Impala，Phoenix，或Hive），甚至自由文本搜尋（使用Cloudera Search）。“是以，HBase為開發人員提供了一種方法，利用現有通用的SQL語言，來建立在一個更成熟的分布式資料庫。

每種資料庫技術都有自己的長處和不足，但這裡評論的三種資料庫，在大資料技術領域，占據了重要的位置。雖然未來可能還有一種全新的 NoSQL 資料庫技術會挑戰它們前三的位置，但目前的現實是，許多開發人員以及一批強大的成熟企業已經做出了它們的選擇：MongoDB、Cassandra 和 HBase。