首先一点需要明白：Hbase 是基于 HDFS 来存储的。HDFS 是文件系统，而 HBase 是数据库，其实就不是一个层面的东西。**你可以把 HBase 当做是MySQL，把 HDFS 当做是硬盘。HBase 只是一个 NoSQL 数据库，把数据存在 HDFS 上** | 对比维度 | **HDFS** | **HBase** | | ------------ | ------------------------------------------ | -------------------------------------------------------- | | 定位 | 分布式文件系统 | 基于 HDFS 的分布式数据库（NoSQL，面向列存储） | | 数据模型 | 文件（类似大目录，存放大文件块） | 表（行、列、列簇、时间戳） | | 数据存取 | **顺序读写**，适合批处理（写一次，多次读） | **随机读写**，支持毫秒级单行查询、更新 | | 数据大小 | 适合存放大文件（GB~TB 级） | 适合存放结构化/半结构化数据（PB 级别的小记录，海量行列） | | 数据访问接口 | 提供文件 API（Java、CLI、流式读写） | 提供数据库 API（Get、Put、Scan、Delete） | | 一致性 | 文件不可修改（只能 append），强一致 | 行级强一致，支持高并发写入 | | 底层依赖 | 独立运行 | 依赖 HDFS（存储）、ZooKeeper（协同） | 那我们为啥要用 HBase 呢？因为 HBase 在 HDFS 之上提供了**高并发的随机写和支持实时查询**，这是 HDFS 不具备的。 1）**HDFS 适用场景**： - 大文件存储：如日志文件、图片、视频、基因数据等，文件通常是只写不改。 - 离线计算：结合 MapReduce / Spark 做批量数据处理。 - 数据湖基础设施：用于存储原始数据，供上层分析。 典型例子： - 日志采集系统（Flume/Kafka → HDFS 存储） - 大规模数据仓库（Hive 底层存储用 HDFS） 2）**HBase 适用场景**： - 随机读写：需要快速插入、更新、查询单条或小范围数据。 - 海量数据存储：单表可达数十亿行，列动态扩展。 - 时序/日志数据：天然支持基于 RowKey + 时间戳的多版本存储。 - 在线服务支撑：作为 NoSQL 数据库，能做到亚秒级访问。 典型例子： - 电商商品详情、用户画像（快速查询单用户信息） - 社交网络（存储好友关系、动态） - 监控系统时序数据（metrics/logs） **总结一句话**： - **HDFS**：面向“文件”，适合**顺序读写 + 批处理**，是 **数据湖/大数据计算引擎的存储层**。 - **HBase**：面向“表”，适合**随机读写 + 实时查询**，是 **海量结构化/半结构化数据的数据库层**。 👉 可以这么理解： - 你要存“原始大文件” → HDFS - 你要存“能随时查的小记录” → HBase - 很多场景下，**HBase 实际上是运行在 HDFS 之上的数据库**，两者互补。