https://www.zhihu.com/question/21677041
Hbase和Hive在大数据架构中处在不同位置，Hbase主要解决实时数据查询问题，Hive主要解决数据处理和计算问题，一般是配合使用。
一、区别：
- Hbase： Hadoop database 的简称，也就是基于Hadoop数据库，是一种NoSQL数据库，主要适用于海量明细数据（十亿、百亿）的随机实时查询，如日志明细、交易清单、轨迹行为等。
Hive：Hive是Hadoop数据仓库，严格来说，不是数据库，主要是让开发人员能够通过SQL来计算和处理HDFS上的结构化数据，适用于离线的批量数据计算。
通过元数据来描述Hdfs上的结构化文本数据，通俗点来说，就是定义一张表来描述HDFS上的结构化文本，包括各列数据名称，数据类型是什么等，方便我们处理数据，当前很多SQL ON Hadoop的计算引擎均用的是hive的元数据，如Spark SQL、Impala等；
- 基于第一点，通过SQL来处理和计算HDFS的数据，Hive会将SQL翻译为Mapreduce来处理数据；
二、关系
在大数据架构中，Hive和HBase是协作关系，数据流一般如下图：
- 通过ETL工具将数据源抽取到HDFS存储；
- 通过Hive清洗、处理和计算原始数据；
- HIve清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase
- 数据应用从HBase查询数据；
hive是文件的视图，hbase是建了索引的key-value表
| Hbase | Hive | |
|---|---|---|
| 应用的系统 | OLTP | OLAP |
| 表结构 | HBase表是物理表，适合存放非结构化的数据 | 纯逻辑表，就只是表的定义等，即表的元数据 |
| 模式 | 基于列的而不是基于行的模式，适合海量数据的随机访问 | 基于MapReduce来处理数据,而MapReduce处理数据是基于行的模式 |
| 松稠性 | 表是疏松的存储的，因此用户可以给行定义各种不同的列 | 表是稠密型，即定义多少列，每一行有存储固定列数的数据 |
| 实时性 | 近实时系统，支持实时查询 | Hadoop来分析处理数据，而Hadoop系统是批处理系统，因此不能保证处理的低迟延问题 |
| 是否支持更新 | 基于HBase的查询，支持和row-level的更新 | 不提供row-level的更新，它适用于大量append-only数据集（如日志）的批任务处理 |
| SQL | HBase不适用与有join，多级索引，表关系复杂的应用场景 | 提供完整的SQL实现，通常被用来做一些基于历史数据的挖掘、分析 |
