OLAP、OLTP

數據庫系統通常分爲兩種類型：
一種是面向前臺應用的，應用比較簡單，可是重吞吐和高併發的OLTP類型；
一種是重計算的，對大數據集進行統計分析的OLAP類型。
傳統數據庫側重交易處理，即OLTP，關注的是多用戶的同時的雙向操做，在保障即時性的要求下，系統經過內存來處理數據的分配、讀寫等操做，存在IO瓶頸。
OLTP（On-Line Transaction Processing，聯機事務處理） 系統也稱爲生產系統，它是事件驅動的、面向應用的，好比電子商務網站的交易系統就是一個典型的OLTP系統。OLTP的基本特色是：
數據在系統中產生；
基於交易的處理系統（Transaction-Based）；
每次交易牽涉的數據量很小；
對響應時間要求很是高；
用戶數量很是龐大，主要是操做人員；
數據庫的各類操做主要基於索引進行。
分析型數據庫是以實時多維分析技術做爲基礎，即側重OLAP，對數據進行多角度的模擬和概括，從而得出數據中所包含的信息和知識。
OLAP（On-Line Analytical Processing，聯機分析處理） 是基於數據倉庫的信息分析處理過程，是數據倉庫的用戶接口部分。OLAP系統是跨部門的、面向主ti的，其基本特色是：
自己不產生數據，其基礎數據來源於生產系統中的操做數據（OperationalData）；
基於查詢的分析系統；
複雜查詢常常使用多表聯結、全表掃描等，牽涉的數據量每每十分龐大；
響應時間與具體查詢有很大關係；

用戶數量相對較小，其用戶主要是業務人員與管理人員；

百萬級的數據，不管側重OLTP仍是OLAP，固然就是MySql了。

過億級的數據，側重OLTP能夠繼續Mysql，側重OLAP，就要分場景考慮了。

對於hbase當前noSql數據庫的一種，最多見的應用場景就是採集的網頁數據的存儲，因爲是key-value型數據庫，能夠再擴展到各類key-value應用場景，如日誌信息的存儲，對於內容信息不須要徹底結構化出來的類CMS應用等。注意hbase針對的仍然是OLTP應用爲主。

對於hive主要針對的是OLAP應用，注意其底層不是hbase，而是hdfs分佈式文件系統，重點是基於一個統一的查詢分析層，支撐OLAP應用中的各類關聯，分組，聚合類SQL語句。hive通常只用於查詢分析統計，而不能是常見的CUD操做，要知道HIVE是須要從已有的數據庫或日誌進行同步最終入到hdfs文件系統中，當前要作到增量實時同步都至關困難。
和mysql,oracle徹底不是相同的應用場景。這個是結構化數據庫，針對的更多的是結構化，事務一致性要求高，業務規則邏輯複雜，數據模型複雜的企業信息化類應用等。包括互聯網應用中的不少業務系統也須要經過結構化數據庫來實現。因此和hbase,hive不是一個層面的東西，不比較。

簡單的說，HBase是OLTP，Hive是OLAP比起單機的Oracle和MySQL，好處就是伸縮性好啊劣勢就是分佈式帶來的可用性，一致性，分區容忍性~等question，以及分佈式事務難以實現。

實時compute場景：強調實時性，經常使用於實時性要求較高的地方，能夠選擇Storm;
批處理compute場景：強調批處理，經常使用於數據挖掘、分析，能夠選擇Hadoop;
實時查詢場景：強調查詢實時響應，經常使用於把DB裏的數據轉化索引文件，經過搜索引擎來查詢，能夠選擇solr/elasticsearch;
企業級ODS/EDW/數據集市場景：強調基於關係性數據庫的大數據實時分析，經常使用於業務數據集成，能夠選擇Greenplum；