MongoDB、Cassandra 和 HBase 三種 NoSQL 數據庫比較

Hadoop得到了許多大數據應用的信譽，但實際狀況是，NoSQL數據庫是一直處於更加普遍部署和更普遍的發展中的技術。儘管選擇Hadoop做爲應用存儲，相對來講更直接簡單。可是，具體採用什麼樣的NoSQL數據庫是個值得思考的問題，畢竟，還有超過100種的NoSQL數據庫。

咱們應該選擇哪種？

選擇傾向

「任何像樣規模的企業都會使用各類不一樣類型的數據存儲技術，爲應對各類不一樣類型的數據。」Martin Fowler認爲，現實的狀況是你沒有足夠的精力去學習更多的存儲技術。

幸運的是，選擇愈來愈容易，由於市場主要圍繞在三個NoSQL數據庫上：MongoDB，Cassandra（主要由DataStax開發的，誕生於Facebook），和HBase的（和Hadoop緊密關聯在一塊兒，也被相同社區開發出來）。

補充一點，我故意排除Redis。相對於大數據存儲，它主要用於高速內存緩存數據應用。

從LinkedIn的451研究數據顯示，市場上最具引力的是MongoDB、Cassandra和HBase：

這是LinkedIn的我的資料數據。咱們認爲是數據存儲引擎，它經過收集工做、搜索等數據，來了解數據庫的熱門程度。而Oracle，SQL Server和MySQL的佔據了統治地位，MongoDB的（第5位），Cassandra（第9位），和HBase的（第15位）。

爲了更好解釋爲何這三個數據庫技術的如此耀眼，我問的每個具備表明性的人，以肯定它們成功關鍵因素：Kelly Stirman，MongoDB的產品總監;Patrick McFadin，DataStax的Cassandra首席佈道師;和Justin Kestelyn，Cloudera高級總監。

但首先，咱們須要瞭解爲何使用NoSQL的緣由。

世界由非結構化數據構成

咱們生活在一個數據愈來愈豐富的世界裏，可是這些數據都不能整齊的展現在一個RDBMS（Relational Database Management System，關係數據庫管理系）的行和列中。移動、社交和雲計算催生了龐大的海量的數據。根據估計，世界上90％的數據是在過去兩年中被創造，以及80％的商業數據是非結構化的。更重要的是，非結構化數據的增加速度是結構化數據的兩倍。

隨着世界的變化，數據管理要求開始超越傳統的關係型數據庫的有效範圍。最先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、從事信息技術服務的公司。

如今愈來愈多，形形色色的公司都但願利用相似的NoSQL和Hadoop做爲替代品：經過NoSQL來創建業務運營應用，以及Hadoop來建立數據挖掘的應用程序，來幫助公司對商業數據提供有力的研究。

 

MongoDB：源於開發人員，爲開發人員服務

在衆多NoSQL的方案中，MongoDB的Stirman指出，MongoDB的瞄準了適合各類應用的平衡的方法。它的功能接近於傳統的關係型數據庫，MongoDB的用戶不只能夠利用其橫向擴展機器的雲基礎架構的優點，而且，由於它可以輕鬆定義各類靈活的數據模型，因此能夠支持不一樣類型的數據集存儲。

MongoDB一般是開發人員第一個嘗試的NoSQL數據庫，由於它是很容易學習。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由於它數據結構存儲的創新，讓咱們更容易和更具表現力地定義咱們應用程序中的數據模型。在一般開發和應用場景中，和原有數據庫具備相同的基本數據模型是有極大好處的，由於它簡化了應用程序開發的任務，另外一方面，消除了複雜的數據格式代碼轉換層。

固然，像任何其餘技術同樣，MongoDB中都有其長處和短處。 MongoDB是專門爲OLTP（On-Line Transaction Processing，聯機事務處理系統）模式。若是您須要複雜的事務處理，它不是一個好的選擇。然而，MongoDB的簡單性使其成爲一個優秀的存儲。

（注：MongoDB以文檔的形式存儲數據，不支持事務和錶鏈接。所以查詢的編寫、理解和優化都容易得多。）

Cassandra：規模化安全運行

三種數據庫中，至少兩種數據庫具備簡單特性：開發簡單，操做簡便。而MongoDB贏得人心的緣由是簡單的開發應用，Cassandra贏得人心是由於易於管理的規模。

DataStax的McFadin告訴我，用戶每每傾向於使用Cassandra ，是由於特別在大規模集羣下，加強一個關係型數據的性能、可靠性是很是困難的。一位前甲骨文DBA，McFadin是興高采烈地發現，「複製和可擴放性是基礎」，Cassandra 特色是從一開始設計就解決這個問題。

在RDBMS中的世界，數據庫功能，拓展和複製對不少開發者用戶來講，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，它很迅速地成爲大問題。

我從McFadin和其餘人那裏獲知，Cassandra在機器拓展部署上，表現特別出色。Cassandra自帶的備份機制，保證各個數據中心的數據安全。至於增長容量到集羣，「你只需啓動一臺新機器，並告訴Cassandra那裏的新節點，」McFadin說，「而後，它完成其餘剩下的事情。」

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

NoSQL的一篇文章認爲Cassandra在集羣規模管理方面很是出色，但它須要一個博士學位才能上手。事實並不是如此，McFadin堅持認爲：
在複製、讀取和寫入是故意簡單。你能夠在幾個小時內學會Cassandra的核心功能。在部署這項新技術的時候，爲給開發者帶來不少的信心，由於比較少引入「黑盒子」內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數據模型的理解，以及如何結合您的應用程序。鑑於Cassandra的CQL查詢語言（相似於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，在一個數據庫中：沒有戲劇性的場景（故障）出現。這就是用戶喜歡使用Cassandra的緣由。」

HBase：Hadoop的知心夥伴

HBase，像Cassandra同樣是個經過key-value面向列存儲的服務。由於它和Hadoop有着「共同血統」，被普遍使用。事實上，正如Cloudera的Kestelyn所說的那樣，「HBase提供了一個基於記錄的存儲層，可以快速隨機讀取和寫入數據，正好彌補了Hadoop的缺陷，Hadoop側重系統吞吐量，而犧牲I / O讀取效率爲代價。」

Kestelyn接着說：

更改有效錄入到內存中，以達到最大的訪問量，同時將數據保存到HDFS。這種設計使基於Hadoop的EDH（enterprise data hub，企業數據中心）服務，可以實時完成隨機讀寫存儲數據，但仍擁有HDFS的高容錯性和耐用性。

Hadoop的親和力，不是HBase數據庫中的人氣排名不斷上升的惟一緣由。相似Cassandra，HBase是Google的Bigtable的開源實現轉化成的數據庫，自然被設計爲高可擴展性。

Hbase能夠利用任何數量服務器的磁盤、內存和CPU資源，同時擁有極佳的擴展功能，如自動分片。當系統負載和性能要求不斷增長，HBase的可經過簡單增長服務器節點的方式無限拓展。 HBase從底層設計上保證，在確保數據一致性的同時，提供最佳性能。

但規模不是它的惟一用途。Kestelyn指出，「因爲它與Hadoop的生態系統緊密集成，對於用戶和應用程序來講，數據是容易獲取的，能夠經過SQL的方式查詢（使用Cloudera的Impala，Phoenix，或Hive），甚至自由文本搜索（使用Cloudera Search）。「所以，HBase爲開發人員提供了一種方法，利用現有通用的SQL語言，來創建在一個更成熟的分佈式數據庫。

每種數據庫技術都有本身的長處和不足，但這裏評論的三種數據庫，在大數據技術領域，佔據了重要的位置。雖然將來可能還有一種全新的NoSQL數據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作出了它們的選擇：MongoDB、Cassandra 和 HBase。