HBase既提供了可伸缩性，又提供了共享与Hadoop相同的基础设施的经济性,但它的缺陷是否把后腿扯下来了呢? NoSQL专家摆好了辩论架式。
HBase是仿照谷歌BigTable的，是世界上最受欢迎的大数据处理平台Apache Hadoop的一部分。但这一血统能否担保HBase在充满竞争和快速发展的NoSQL数据库市场中定会担当一个主导的角色呢?
MapR公司的Michael Hausenblas 认为Hadoop的受欢迎程度与HBase的可伸缩性和一致性可确保成功。日益增长的HBase社区将超过其他开源运动,并会克服一些还需进一步研究的技术问题。
在开源项目Cassandra的幕后支持供应商DataStax工作的Jonathan Ellis认为HBase需要克服的缺陷太多，而且内含于Hadoop的HDFS架构。他说这些缺陷将永远限制HBase适用于高速工作负载的项目。
请阅读我们的两个NoSQL专家不同的意见,然后在下面评论部分用你的意见参加辩论。 正方
Michael Hausenblas
与Hadoop整合将推动被接受
EMEA,MapR技术公司的首席数据工程师 这个问题的答案是一个清澈的“是的,但是…” 为了领会这个回答,我们需要退后一步,从语境上理解问题。Martin Fowler在2011年和Mike Stonebraker在2005年都拿着“通晓多种语言的持久化”认为“一种尺寸不能适用于一切”。 因此,我要解释问题中的“主导”不是在过去十年里应用于关系数据库的市场份额措施意义上的,而是沿着“Apache HBase是否会被使用在更广泛的情况中和有一个比其他NoSQL数据库更大的社区的支持?”的主线来讨论（有点狡辩的意味）。 考虑到现在有超过 100 个不同的NoSQL方案可供选择，包括MongoDB, Riak, Couchbase, Cassandra 和许多许多其它方案，上面的观点可以说是一个大胆的推断。但是在大数据时代，潮流正从专业的信息存储转向大规模的异构数据处理，所以即使像MongoDB这样的流行方案也会被HBase赶超。
为什么? MongoDB有着显而易见的可扩展性方面的问题，随着Hadoop使用率的快速增长，能直接和Hadoop整合的NoSQL方案将会在规模和流行度上有明显的优势。HBase拥有一个庞大而多样的社区，它连接着各个方面: 用户，开发者，多个商业销售商，云端可用性等等，比如最后一点是通过 Amazon Web Services (AWS)实现的。 在发展历史上，HBase和Cassandra有许多相似之处。HBase 由Powerset公司创建于2007年(该公司不久被Microsoft收购)， 一开始它是Hadoop的一部分随后成为一个顶级项目。Cassandra最早由Facebook在2007年发起，是开源的，随后成为Apache的孵 化项目，目前已经成为一个顶级项目。HBase和Cassandra都是多列的key-value数据存储库，擅长于接受和提供大数据集，同时具有横向可 扩展性，鲁棒性和灵活性。
它们的架构在设计哲学上是有差异的: Cassandra从Amazon's DynamoDB系统中借用了许多设计元素，有一个最终一致性的模型并且优化了写操作，而HBase是Google BigTable的克隆版， 优化了读操作并且有强一致性。关于HBase优越性的一个有趣的证据论点是， 作为Cassandra创建者的Facebook，已经在其内部使用HBase替代了Cassandra。 从一个应用开发者的角度来看，HBase更好，因为它提供了强一致性，让生活变得更容易。关于最终一致性的一个错误理解是它提高了写入速度: 假如有一个持续的写操作的阻塞，影响了等待时间，而最后的结果是交了"最终一致性税"却没有得到它的好处。
几乎所有的NoSQL方案都有一些技术上的限制，比如压缩对低延时性的影响，无法自动碎片化，可靠性问题，以及节点宕机时的长恢复周期等。在MapR这里，我们已经创建了一个"未来版"企业级HBase，它包括瞬时恢复，无缝碎片化和高可用性，并且它摒弃了压缩。2013年5月我们把它纳入到了标记为M7的GA版本中，同时通过AWS Elastic MapReduce，它也在云端可用。 最后同样重要的是，HBase拥有 -- 通过作为Hadoop的贡献项目而得到的遗产 -- 一个强大而可靠的整合进整个Hadoop生态系统的方式，包括Apache Hive和Apache Pig。
概括起来讲，在那些需要进行快速的小规模的更新和大规模的查询的用例场景中，HBase 将会成为统治性的NoSQL平台。最近的改进也给HBase带来了架构上的优势，包括消除了压缩并且提供了真正的分散协作。 Michael Hausenblas 是MapR Technologies公司EMEA大区的首席数据工程师。他的工作背景是大规模数据集成的研究和开发，倡导和标准化。 |
