首先Hive的底層首先是MR,是屬于批處理處理時間相對較長，不屬于實時讀寫。在其架構(gòu)上HBase和Hive有很大的區(qū)別。

架構(gòu)介紹：

Hive架構(gòu)

• (1)用戶接口主要有三個：CLI，Client 和 WUI。其中最常用的是CLI，Cli啟動的時候，會同時啟動一個Hive副本。Client是Hive的客戶端，用戶連接至HiveServer。在啟動 Client模式的時候，需要指出Hive Server所在節(jié)點，并且在該節(jié)點啟動Hive Server。 WUI是通過瀏覽器訪問Hive。
• (2)Hive將元數(shù)據(jù)存儲在數(shù)據(jù)庫中，如mysql、derby。Hive中的元數(shù)據(jù)包括表的名字，表的列和分區(qū)及其屬性，表的屬性(是否為外部表等)，表的數(shù)據(jù)所在目錄等。
• (3)解釋器、編譯器、優(yōu)化器完成HQL查詢語句從詞法分析、語法分析、編譯、優(yōu)化以及查詢計劃的生成。生成的查詢計劃存儲在HDFS中，并在隨后有MapReduce調(diào)用執(zhí)行。
• (4)Hive的數(shù)據(jù)存儲在HDFS中，大部分的查詢、計算由MapReduce完成(包含*的查詢，比如select* from tbl不會生成MapRedcue任務(wù))。

HBase 架構(gòu)

Client

• 包含訪問HBase的接口并維護cache來加快對HBase的訪問

Zookeeper

• 保證任何時候，集群中只有一個master
• 存貯所有Region的尋址入口。
• 實時監(jiān)控Region server的上線和下線信息。并實時通知Master
• 存儲HBase的schema和table元數(shù)據(jù)

Master

• 為Region server分配region
• 負(fù)責(zé)Region server的負(fù)載均衡
• 發(fā)現(xiàn)失效的Region server并重新分配其上的region
• 管理用戶對table的增刪改操作

RegionServer

• Region server維護region，處理對這些region的IO請求
• Region server負(fù)責(zé)切分在運行過程中變得過大的region

Memstore 與 storefile

• 一個region由多個store組成，一個store對應(yīng)一個CF(列族)
• store包括位于內(nèi)存中的memstore和位于磁盤的storefile寫操作先寫入memstore，當(dāng)memstore中的數(shù)據(jù)達到某個閾值，hregionserver會啟動flashcache進程寫入storefile，每次寫入形成單獨的一個storefile
• 當(dāng)storefile文件的數(shù)量增長到一定閾值后，系統(tǒng)會進行合并(minor、major compaction)，在合并過程中會進行版本合并和刪除工作(majar)，形成更大的storefile
• 當(dāng)一個region所有storefile的大小和數(shù)量超過一定閾值后，會把當(dāng)前的region分割為兩個，并由hmaster分配到相應(yīng)的regionserver服務(wù)器，實現(xiàn)負(fù)載均衡

客戶端檢索數(shù)據(jù)，先在memstore找，找不到再找storefile

– HBase能提供實時計算服務(wù)主要原因是由其架構(gòu)和底層的數(shù)據(jù)結(jié)構(gòu)決定的，即由LSM-Tree(Log-Structured Merge-Tree) +HTable(region分區(qū)) + Cache決定——客戶端可以直接定位到要查數(shù)據(jù)所在的HRegion server服務(wù)器，然后直接在服務(wù)器的一個region上查找要匹配的數(shù)據(jù)，并且這些數(shù)據(jù)部分是經(jīng)過cache緩存的。

–前面說過HBase會將數(shù)據(jù)保存到內(nèi)存中，在內(nèi)存中的數(shù)據(jù)是有序的，如果內(nèi)存空間滿了，會刷寫到HFile中，而在HFile中保存的內(nèi)容也是有序的。當(dāng)數(shù)據(jù)寫入HFile后，內(nèi)存中的數(shù)據(jù)會被丟棄。

–多次刷寫后會產(chǎn)生很多小文件，后臺線程會合并小文件組成大文件，這樣磁盤查找會限制在少數(shù)幾個數(shù)據(jù)存儲文件中。HBase的寫入速度快是因為它其實并不是真的立即寫入文件中，而是先寫入內(nèi)存，隨后異步刷入HFile。所以在客戶端看來，寫入速度很快。另外，寫入時候?qū)㈦S機寫入轉(zhuǎn)換成順序?qū)?，?shù)據(jù)寫入速度也很穩(wěn)定。

–而讀取速度快是因為它使用了LSM樹型結(jié)構(gòu)，而不是B或B+樹。磁盤的順序讀取速度很快，但是相比而言，尋找磁道的速度就要慢很多。HBase的存儲結(jié)構(gòu)導(dǎo)致它需要磁盤尋道時間在可預(yù)測范圍內(nèi)，并且讀取與所要查詢的rowkey連續(xù)的任意數(shù)量的記錄都不會引發(fā)額外的尋道開銷。比如有5個存儲文件，那么最多需要5次磁盤尋道就可以。而關(guān)系型數(shù)據(jù)庫，即使有索引，也無法確定磁盤尋道次數(shù)。而且，HBase讀取首先會在緩存(BlockCache)中查找，它采用了LRU(最近最少使用算法)，如果緩存中沒找到，會從內(nèi)存中的MemStore中查找，只有這兩個地方都找不到時，才會加載HFile中的內(nèi)容，而上文也提到了讀取HFile速度也會很快，因為節(jié)省了尋道開銷。

–如果快速查詢(從磁盤讀數(shù)據(jù))，hbase是根據(jù)rowkey查詢的，只要能快速的定位rowkey,就能實現(xiàn)快速的查詢，主要是以下因素：

1. hbase是可劃分成多個region,并且到達一定界限會將region橫向切分
2. 鍵是排好序的
3. 按列存儲的

–列如：能快速找到行所在的region(分區(qū))，假設(shè)表有10億條記錄，占空間1TB,分列成了500個region,1個region占2個G.最多讀取2G的記錄，就能找到對應(yīng)記錄;

–其次，是按列存儲的，其實是列族，假設(shè)分為3個列族，每個列族就是666M，如果要查詢的東西在其中1個列族上，1個列族包含1個或者多個HStoreFile，假設(shè)一個HStoreFile是128M，該列族包含5個HStoreFile在磁盤上.剩下的在內(nèi)存中。

然后，排好序了的，你要的記錄有可能在最前面，也有可能在最后面，假設(shè)在中間，我們只需遍歷2.5個HStoreFile共300M。

最后，每個HStoreFile(HFile的封裝)，是以鍵值對(key-value)方式存儲，只要遍歷一個個數(shù)據(jù)塊中的key的位置，并判斷符合條件可以了。一般key是有限的長度，假設(shè)跟value是1:20(忽略HFile其他快，只需要15M就可獲取的對應(yīng)的記錄，按照磁盤的訪問100M/S，只需0.15秒。加上塊緩存機制(LRU原則)，會取得更高的效率。

實時查詢，可以認(rèn)為是從內(nèi)存中查詢，一般響應(yīng)時間在1秒左右。HBase的機制是將數(shù)據(jù)先寫入到內(nèi)存中(緩存Buffer中)，當(dāng)數(shù)據(jù)量達到一定的量(如128M)，產(chǎn)生溢寫磁盤操作，在內(nèi)存中，是不進行數(shù)據(jù)的更新或合并操作的，只增加數(shù)據(jù)，這使得用戶的寫操作只要進入內(nèi)存中就可以立即返回，保證了HBaseI/O的高性能。