Hive 是基于 Hadoop 的一个数据仓库工具，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，可以将 sql 语句转换为 MapReduce 任务进行运行。

HBase 是 Hadoop 的数据库，一个分布式、可扩展、大数据的存储。

1 、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。

2 、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。

3 、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。

4 、小总

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 。