| Cassandra | HBase | |
| 一致性 | Quorum NRW策略
通过Gossip协议同步Merkle Tree，维护集群节点间的数据一致性 |
单节点，无复制，强一致性 |
| 可用性 | 1，基于Consistent Hash相邻节点复制数据，数据存在于多个节点，无单点故障。
2，某节点宕机，hash到该节点的新数据自动路由到下一节点做 hinted handoff，源节点恢复后，推送回源节点。 3，通过Gossip协议维护集群所有节点的健康状态，并发送同步请求，维护数据一致性。 4，SSTable，纯文件，单机可靠性一般。 |
1，存在单点故障，Region Server宕机后，短时间内该server维护的region无法访问，等待failover生效。
2，通过Master维护各Region Server健康状况和Region分布。 3，多个Master，Master宕机有zookeeper的paxos投票机制选取下一任Master。Master就算全宕机，也不影响Region读写。Master仅充当一个自动运维角色。 4，HDFS为分布式存储引擎，一备三，高可靠，0数据丢失。 5，HDFS的namenode是一个SPOF。 |
| 伸缩性 | 1，Consistent Hash，快速定位数据所在节点。
2，扩容需在Hash Ring上多个节点间调整数据分布。 |
1，通过Zookeeper定位目标Region Server，最后定位Region。
2，Region Server扩容，通过将自身发布到Master，Master均匀分布。 |
| 负载均
衡 |
请求Zookeeper取得整个集群地址，然后根据Consistent Hash选择合适的节点。client会缓存集群地址。 | 请求Zookeeper取读写数据路由表定位Region Server，Master会修改这个路由表。Client自身也会缓存一部分路由信息。 |
| 数据差异比较算法 | Merkle Tree , Bloom Filter | Bloom Filter |
| 锁与事务 | Client Timestap(Dynamo使用vector lock) | Optimistic Concurrency Control |
| 读写性能 | 数据读写定位非常快。 | 数据读写定位可能要通过最多6次的网络RPC，性能较低。 |
| CAP点评 | 1，弱一致性，数据可能丢失。
2，可用性高。 3，扩容方便。 |
1，强一致性，0数据丢失。
2，可用性低。 3，扩容方便。 |
Cassandra和HBase主要设计思路对比
本机暂存
同分类推荐文章
- 我做了一个 AI 版的 StarRocks 升级风险扫描工具，直接帮我定位到一个风险 （2026-06-15 01:00:00）
- 硬件故障后数据文件大小不对故障处理—Oracle碎片扫描恢复 （2026-06-07 18:21:47）
- 如何在Hive SQL中构造临时表用于和其它的表做关联？ （2026-05-29 20:07:00）
建议继续学习
- HBase集群出现NotServingRegionException问题的排查及解决方法 （累计阅读 17,221）
- HFile存储格式 （累计阅读 15,912）
- hbase运维 （累计阅读 14,882）
- hbase介绍 （累计阅读 12,321）
- HBase技术介绍 （累计阅读 8,023）
- SQL vs NoSQL：数据库并发写入性能比拼 （累计阅读 7,964）
- HBase随机写以及随机读性能测试 （累计阅读 7,501）
- HBase性能优化方法总结 （累计阅读 7,040）
- HBase二级索引与Join （累计阅读 6,962）
- HBase Thrift 接口使用注意事项 （累计阅读 6,716）