HBase和MongoDB那个更适合海量实时小数据

了解了一下MongoDB，感觉还挺牛的，适合海量数据的实时插入，更新，查询，而且支持多条件查询，以及建立多维度的索引。

相比HBase，Hbase对于海量数据的实时插入，更新，查询是没有压力的，而且 *** 作的效率跟数据的量没有关系，即数据量的大小不会影响 *** 作的效率，但是Hbase的实时查询是建立在针对rowkey的查询基础上的，因为Hbase只能对rowkey进行建立索引，查询也只能根据rowkey进行查询，无法实现同MongoDB一样的多条件查询。

小数据的要求对于MongoDB和Hbase都没有影响，因为MongoDB和Hbase都是一种数据库，主要就是用于存储零碎的小数据。

所以感觉如果只是用于海量实时的小数据那么MongoDB可能会好点，但是如果还需要对数据进行统计分析，那么最好还是考虑统计分析的因素。如你使用mapreduce进行数据统计分析，那么hbase可能会更好些，虽然MongoDB也支持mr。

以上纯属个人观点

1)列出当前的数据库 MongoDB shell version: 181 connecting to: test > show dbs ->

mongodb众所周知不支持事务，所以需要强事务的业务根本不能考虑mongodb。

mongodb的优势就是文档存储:

1 业务经常变动，需要不时的添加字段，那么mongodb比较适合，关系型数据库添加字段的复杂度也还好

2 嵌套文档，业务数据比较复杂，适合嵌套文档式存储，那么mongodb非常合适，这个关系型数据库比较难搞，虽然MySQL和pg也有文档存储，但MySQL的不成熟，pg毕竟现在生产中使用还是偏少，个人也不了解，这里不谈。但这不仅仅这一点优势，具体下面会细说。

3 upsert支持，查询速度也不慢

4 高可用的副本集支持

5 查询语法非常丰富，嵌套文档查询功能非常强大，不是重度用户可能不能理解

下面说说一个具体的使用事例:

项目的一条数据在10kb左右，如果使用关系型数据库那么需要将这条数据拆分成大概几百条左右，建造多个表，设计较复杂，这种数据大概在一百万条左右，想想拆分后在十几亿的数据量就可怕。打平后的数据什么DB也都可以拿下，只是一百万变十几亿比较恐怖而已。

如果采用MySQL存储，每次查询需要使用外键查询多个表，从这些表中拉取数据，性能肯定要下降很多，比不上只在一个表查询，而且只拉取少两个数量级的数据。查询也还好，业务允许可以对结果做缓存，放到redis里去。

但是重点来了，需求要增量更新部分数据，这时候需要更新多个表，根本没法做到原子性（注意事务不是原子 *** 作），当然也可以使用cas等技术补偿，达到最终一致性。但使用mongodb存储只需要update一条数据，对相应的嵌套文档中内容更新，可以做到原子性，是不是很方便？

推荐学习《python教程》

具体说说该项目的难点，查询无法使用缓存，可能会很吃惊，但是业务决定了确实做不了，而且增量更新的量达到上万的QPS，如果不能保证原子性想想多么可怕！

所以mongodb在这里帮了大忙，关系型数据库解决不了这个难题。

有人可能要问，mongodb没有事务，上游数据写入也会有问题，你不可能所有数据都存一个表吧？

当然不是的，我们mongodb里的数据是从MySQL中清洗出来存到mongodb中的，mongodb只做单点的业务需求，综合的数据还是在MySQL中。

此项目我们用了上百个副本集，保证系统的高可用，这些副本集配置只要一条shell就搞定，如果用MySQL的主从不知道怎么配（我自己不懂），估计DBA得忙死，而该项目完全不需要也没用到DBA。

说了这么多mongo的优点，也说说他的缺点:

1 查询优化器和MySQL没法比

2 不支持reload，只能冷重启，初始化配置的时候比较麻烦

3 没有事务，不敢存储第一手数据，多用来做备份数据的存储

mongodb可以做很多事情，取决于你脑洞，性能不差，存一些相对不重要的数据，mongodb嵌套文档功能强大，多看看官方文档挖掘挖掘有用信息，每次都能发现惊喜。

以上就是关于HBase和MongoDB那个更适合海量实时小数据全部的内容，包括:HBase和MongoDB那个更适合海量实时小数据、如何在MongoDB中建立新数据库和集合、mongodb数据库适合做什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！