Hadoop獲得了許多大數(shù)據(jù)應用的信譽，但實際情況是，NoSQL數(shù)據(jù)庫是一直處于更加廣泛部署和更廣泛的發(fā)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，具體采用什么樣的NoSQL數(shù)據(jù)庫是個值得思考的問題，畢竟，還有超過100種的NoSQL數(shù)據(jù)庫。
我們應該選擇哪一種？
選擇傾向
“任何像樣規(guī)模的企業(yè)都會使用各種不同類型的數(shù)據(jù)存儲技術，為應對各種不同類型的數(shù)據(jù)?！盡artin Fowler認為，現(xiàn)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數(shù)據(jù)庫上：MongoDB，Cassandra（主要由DataStax開發(fā)的，誕生于Facebook），和HBase的（和Hadoop緊密關聯(lián)在一起，也被相同社區(qū)開發(fā)出來）。
補充一點，我故意排除Redis。相對于大數(shù)據(jù)存儲，它主要用于高速內(nèi)存緩存數(shù)據(jù)應用。
從LinkedIn的451研究數(shù)據(jù)顯示，市場上最具引力的是MongoDB、Cassandra和HBase：
這是LinkedIn的個人資料數(shù)據(jù)。我們認為是數(shù)據(jù)存儲引擎，它通過收集工作、搜索等數(shù)據(jù)，來了解數(shù)據(jù)庫的熱門程度。而Oracle，SQL Server和MySQL的占據(jù)了統(tǒng)治地位，MongoDB的（第5位），Cassandra（第9位），和HBase的（第15位）。
為了更好解釋為什么這三個數(shù)據(jù)庫技術的如此耀眼，我問的每一個具有代表性的人，以確定它們成功關鍵因素：Kelly Stirman，MongoDB的產(chǎn)品總監(jiān);Patrick McFadin，DataStax的Cassandra首席布道師;和Justin Kestelyn，Cloudera高級總監(jiān)。
但首先，我們需要了解為什么使用NoSQL的原因。
世界由非結(jié)構化數(shù)據(jù)構成
我們生活在一個數(shù)據(jù)越來越豐富的世界里，但是這些數(shù)據(jù)都不能整齊的展示在一個RDBMS（Relational Database Management System，關系數(shù)據(jù)庫管理系）的行和列中。移動、社交和云計算催生了龐大的海量的數(shù)據(jù)。根據(jù)估計，世界上90％的數(shù)據(jù)是在過去兩年中被創(chuàng)造，以及80％的商業(yè)數(shù)據(jù)是非結(jié)構化的。更重要的是，非結(jié)構化數(shù)據(jù)的增長速度是結(jié)構化數(shù)據(jù)的兩倍。
隨著世界的變化，數(shù)據(jù)管理要求開始超越傳統(tǒng)的關系型數(shù)據(jù)庫的有效范圍。最早關注這個問題解決方案的機構，包括Web技術的先驅(qū)、政府機構、從事信息技術服務的公司。
現(xiàn)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(yè)務運營應用，以及Hadoop來創(chuàng)建數(shù)據(jù)挖掘的應用程序，來幫助公司對商業(yè)數(shù)據(jù)提供有力的研究。
MongoDB：源于開發(fā)人員，為開發(fā)人員服務
在眾多NoSQL的方案中，MongoDB的Stirman指出，MongoDB的瞄準了適合各種應用的平衡的方法。它的功能接近于傳統(tǒng)的關系型數(shù)據(jù)庫，MongoDB的用戶不僅可以利用其橫向擴展機器的云基礎架構的優(yōu)勢，并且，因為它能夠輕松定義各種靈活的數(shù)據(jù)模型，所以可以支持不同類型的數(shù)據(jù)集存儲。
MongoDB通常是開發(fā)人員第一個嘗試的NoSQL數(shù)據(jù)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數(shù)據(jù)結(jié)構存儲的創(chuàng)新，讓我們更容易和更具表現(xiàn)力地定義我們應用程序中的數(shù)據(jù)模型。在通常開發(fā)和應用場景中，和原有數(shù)據(jù)庫具有相同的基本數(shù)據(jù)模型是有極大好處的，因為它簡化了應用程序開發(fā)的任務，另一方面，消除了復雜的數(shù)據(jù)格式代碼轉(zhuǎn)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(lián)機事務處理系統(tǒng)）模式。如果您需要復雜的事務處理，它不是一個好的選擇。然而，MongoDB的簡單性使其成為一個優(yōu)秀的存儲。
（注：MongoDB以文檔的形式存儲數(shù)據(jù)，不支持事務和表連接。因此查詢的編寫、理解和優(yōu)化都容易得多。）
Cassandra：規(guī)模化安全運行
三種數(shù)據(jù)庫中，至少兩種數(shù)據(jù)庫具有簡單特性：開發(fā)簡單，操作簡便。而MongoDB贏得人心的原因是簡單的開發(fā)應用，Cassandra贏得人心是因為易于管理的規(guī)模。
DataStax的McFadin告訴我，用戶往往傾向于使用Cassandra ，是因為特別在大規(guī)模集群下，增強一個關系型數(shù)據(jù)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(fā)現(xiàn)，“復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，數(shù)據(jù)庫功能，拓展和復制對很多開發(fā)者用戶來說，是一個難題。這個問題在過往的企業(yè)規(guī)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和其他人那里獲知，Cassandra在機器拓展部署上，表現(xiàn)特別出色。Cassandra自帶的備份機制，保證各個數(shù)據(jù)中心的數(shù)據(jù)安全。至于增加容量到集群，“你只需啟動一臺新機器，并告訴Cassandra那里的新節(jié)點，”McFadin說，“然后，它完成其他剩下的事情。”
優(yōu)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在集群規(guī)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：
在復制、讀取和寫入是故意簡單。你可以在幾個小時內(nèi)學會Cassandra的核心功能。在部署這項新技術的時候，為給開發(fā)者帶來很多的信心，因為比較少引入“黑盒子”內(nèi)的技術細節(jié)和復雜的故障模式原理。
這意味著主要的開發(fā)成本，是對Cassandra數(shù)據(jù)模型的理解，以及如何結(jié)合您的應用程序。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，在一個數(shù)據(jù)庫中：沒有戲劇性的場景（故障）出現(xiàn)。這就是用戶喜歡使用Cassandra的原因?！?/p>
HBase：Hadoop的知心伙伴
HBase，像Cassandra一樣是個通過key-value面向列存儲的服務。因為它和Hadoop有著“共同血統(tǒng)”，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，能夠快速隨機讀取和寫入數(shù)據(jù)，正好彌補了Hadoop的缺陷，Hadoop側(cè)重系統(tǒng)吞吐量，而犧牲I / O讀取效率為代價?！?/p>
Kestelyn接著說：
更改有效錄入到內(nèi)存中，以達到最大的訪問量，同時將數(shù)據(jù)保存到HDFS。這種設計使基于Hadoop的EDH（enterprise data hub，企業(yè)數(shù)據(jù)中心）服務，能夠?qū)崟r完成隨機讀寫存儲數(shù)據(jù)，但仍擁有HDFS的高容錯性和耐用性。
Hadoop的親和力，不是HBase數(shù)據(jù)庫中的人氣排名不斷上升的唯一原因。類似Cassandra，HBase是Google的Bigtable的開源實現(xiàn)轉(zhuǎn)化成的數(shù)據(jù)庫，天然被設計為高可擴展性。
Hbase可以利用任何數(shù)量服務器的磁盤、內(nèi)存和CPU資源，同時擁有極佳的擴展功能，如自動分片。當系統(tǒng)負載和性能要求不斷增加，HBase的可通過簡單增加服務器節(jié)點的方式無限拓展。 HBase從底層設計上保證，在確保數(shù)據(jù)一致性的同時，提供最佳性能。
但規(guī)模不是它的唯一用途。Kestelyn指出，“由于它與Hadoop的生態(tài)系統(tǒng)緊密集成，對于用戶和應用程序來說，數(shù)據(jù)是容易獲取的，可以通過SQL的方式查詢（使用Cloudera的Impala，Phoenix，或Hive），甚至自由文本搜索（使用Cloudera Search）?！耙虼?，HBase為開發(fā)人員提供了一種方法，利用現(xiàn)有通用的SQL語言，來建立在一個更成熟的分布式數(shù)據(jù)庫。
每種數(shù)據(jù)庫技術都有自己的長處和不足，但這里評論的三種數(shù)據(jù)庫，在大數(shù)據(jù)技術領域，占據(jù)了重要的位置。雖然未來可能還有一種全新的NoSQL數(shù)據(jù)庫技術會挑戰(zhàn)它們前三的位置，但目前的現(xiàn)實是，許多開發(fā)人員以及一批強大的成熟企業(yè)已經(jīng)做出了它們的選擇：MongoDB、Cassandra 和 HBase。
