HBase 和 Hive 的差別是什么，各自適用在什么場景中？
結論：Hbase和Hive在大數據架構中處在不同位置，Hbase主要解決實時數據查詢問題，Hive主要解決數據處理和計算問題，一般是配合使用。
一、區別：
- Hbase： Hadoop database 的簡稱，也就是基於Hadoop數據庫，是一種NoSQL數據庫，主要適用於海量明細數據（十億、百億）的隨機實時查詢，如日志明細、交易清單、軌跡行為等。
- Hive：Hive是Hadoop數據倉庫，嚴格來說，不是數據庫，主要是讓開發人員能夠通過SQL來計算和處理HDFS上的結構化數據，適用於離線的批量數據計算。
- 通過元數據來描述Hdfs上的結構化文本數據，通俗點來說，就是定義一張表來描述HDFS上的結構化文本，包括各列數據名稱，數據類型是什么等，方便我們處理數據，當前很多SQL ON Hadoop的計算引擎均用的是hive的元數據，如Spark SQL、Impala等；
- 基於第一點，通過SQL來處理和計算HDFS的數據，Hive會將SQL翻譯為Mapreduce來處理數據；
二、關系
在大數據架構中，Hive和HBase是協作關系，數據流一般如下圖：
- 通過ETL工具將數據源抽取到HDFS存儲；
- 通過Hive清洗、處理和計算原始數據；
- Hive清洗處理后的結果，如果是面向海量數據隨機查詢場景的可存入Hbase
- 數據應用從HBase查詢數據；
Spark SQL能做什么
根據ETL（數據的抽取、轉換、加載）的三個過程來講解一下Spark SQL的作用。
（1）抽取（Extract）：Spark SQL可以從多種文件系統（HDFS、S3. 本地文件系統等）、關系型數據庫（MySQL、Oracle、PostgreSQL等）或NoSQL數據庫（Cassandra、HBase、Druid等）中獲取數據，Spark SQL支持的文件類型可以是CSV、JSON、XML、Parquet、ORC、Avro等。得益於Spark SQL對多種數據源的支持，Spark SQL能從多種渠道抽取人們想要的數據到Spark中。
（2）轉換（Transform）：我們常說的數據清洗，比如空值處理、拆分數據、規范化數據格式、數據替換等操作。Spark SQL能高效地完成這類轉換操作。
（3）加載（Load）：在數據處理完成之后，Spark SQL還可以將數據存儲到各種數據源（前文提到的數據源）中。
如果你以為Spark SQL只能做上面這些事情，那你就錯了。Spark SQL還可以作為一個分布式SQL查詢引擎通過JDBC或ODBC或者命令行的方式對數據庫進行分布式查詢。Spark SQL中還有一個自帶的Thrift JDBC/ODBC服務，可以用Spark根目錄下的sbin文件夾中的start-thriftserver.sh腳本啟動這個服務。Spark中還自帶了一個Beeline的命令行客戶端，讀者可以通過這個客戶端連接啟動的Thrift JDBC/ODBC，然后提交SQL。
如果你以為Spark SQL能做的只有這些，那你就錯了。Spark SQL還可以和Spark的其他模塊搭配使用，完成各種各樣復雜的工作。比如和Streaming搭配處理實時的數據流，和MLlib搭配完成一些機器學習的應用。