大数据库分析

市面上目前的大数据库比较多，本篇对于其中的几个进行对比总结。

ElasticSearch和impala

首先，对于两个数据库作出说明，有hive查询比较慢，hbase会针对于列的查询不太友好，所以CDH推出了impala搜索引擎，都是基于HDFS的。
ElasticSearch是基于lunce的搜索引擎。
话不多说，下面列举一下这两个数据库的优劣势。
elasticsearch的优劣势：

优势：
1、对于单表的查询很快。
劣势：
1、不支持多表join。
2、DSL的sql，不太利于新手理解。
3、不支持查询的结果的额外处理或分析的中间数据输出。
4、网络影响：会有脑裂影响。

impala的优劣势：

优势：
1、hive+impala支持多表join。
2、类sql语句，大体和sql保持一致，其中有部分语法和sql不一样。
劣势：
1、不支持用户自定义函数UDF。
2、不支持查询期的容错。
3、非常吃内存，如果一张表的大小超过了可用内存，impala会直接抛错。

Tips：
1、在测试的过程中，测试50W数据，es用时900ms，impala用时2100ms。
2、对于某些查询ES不太允许，比如某一字段在A场合需要模糊，在B场合需要精确，此时建议的做法是两个字段，一个精确，一个模糊。但该场景一般用不到，具体视场景而定。

hive

hive的查询很慢，适用于后台批处理利用MR分析数据。

hbase

hbase优劣势：

1、查询全表速度特别快。
2、对于按照列来查询相当慢。
3、对于插入的数据都会存在历史。

使用场景：比如需要分析一个病人的病史或者身体状况（对于该病人的数据会存在版本，不会出像RDB现多行数据）。

spark和strom

spark的优劣势：

吞吐量高，延迟为秒级。
有事务，但不完善。spark替代不了实时事务处理。如银行转帐等，

strom的优劣势：

吞吐量低，延迟为毫秒级。
有事务且很完善。

后面几个研究的很仓促，hhhhhhhhh。。。。。。因部分原因，等有机会了用到了再研究。