这三者都是流行的 NoSQL 数据库，但设计目标、数据模型和适用场景有显著差异。以下是它们的核心对比：
1. 数据模型对比
| 特性 | HBase | MongoDB | Redis |
|---|
| 数据模型 | 宽列存储（类似 BigTable） | 文档存储（BSON/JSON） | 键值存储（支持多种数据结构） |
| 结构 | 行 + 列族 + 动态列 | 灵活的嵌套文档 | String / Hash / List / Set 等 |
| Schema | 动态列（无严格 Schema） | Schema-less（可动态调整） | 无 Schema（纯 Key-Value） |
| 示例 | RowKey + cf:col → value | {_id: 1, name: "Alice"} | SET user:1 "Alice" |
2. 架构与扩展性
| 特性 | HBase | MongoDB | Redis |
|---|
| 存储引擎 | 基于 HDFS（磁盘优先） | WiredTiger（内存+磁盘） | 纯内存（可持久化到磁盘） |
| 扩展方式 | 水平分片（RegionServer） | 分片集群（Sharding） | 集群（Redis Cluster） |
| 一致性 | 强一致性（单行） | 可调一致性 | 强一致性（单线程模型） |
| 分布式设计 | 依赖 ZooKeeper + HDFS | 自管理分片副本 | 去中心化集群 |
3. 查询能力
| 特性 | HBase | MongoDB | Redis |
|---|
| 查询语言 | Scan + Filter（有限） | 丰富的 MongoDB Query | 简单命令（GET/SET 等） |
| 索引 | 仅 RowKey 和列族有限索引 | 支持多字段索引 | 无索引（纯 Key 查找） |
| 复杂查询 | 弱（需配合 Phoenix 或 Spark） | 强（聚合、地理查询等） | 弱（仅基础数据结构操作） |
| JOIN | 不支持 | 有限支持（$lookup） | 不支持 |
4. 性能特点
| 特性 | HBase | MongoDB | Redis |
|---|
| 读写速度 | 高吞吐写入，随机读中等 | 读写均衡 | 超高速读写（内存级） |
| 延迟 | 毫秒级（依赖 HDFS） | 亚毫秒级 | 微秒级 |
| 适用负载 | 海量数据高并发写入 | 通用 OLTP | 高频读写缓存/队列 |
5. 适用场景对比
| 场景 | HBase | MongoDB | Redis |
|---|
| 大数据存储 | ✅ 日志、用户行为数据（PB 级） | ⚠️ 适合中小规模文档存储 | ❌ 不适合 |
| 实时查询 | ✅ 按 RowKey 快速查询 | ✅ 灵活查询（索引优化） | ✅ 超高速 Key-Value 访问 |
| 高并发写入 | ✅ 适合时间序列、IoT 数据 | ✅ 写性能较好 | ✅ 极致写入（如计数器） |
| 事务支持 | ❌ 仅单行事务 | ✅ 多文档事务（4.0+） | ✅ 简单事务（WATCH/MULTI） |
| 缓存场景 | ❌ 不适用 | ⚠️ 可作缓存（不如 Redis 专业） | ✅ 主要用途 |
| 数据结构灵活性 | ⚠️ 动态列但查询受限 | ✅ 嵌套文档、动态字段 | ✅ 多种数据结构（Hash/List 等） |
6. 如何选择？
选 HBase 如果：
- 需要存储 海量结构化/半结构化数据（如日志、用户行为）。
- 依赖 Hadoop 生态（HDFS、Spark 集成）。
- 要求 高吞吐写入 和 按 RowKey 快速查询。
选 MongoDB 如果：
- 数据模型 灵活多变（如用户配置、商品目录）。
- 需要 复杂查询（如聚合、全文搜索）。
- 希望平衡 读写性能与灵活性。
选 Redis 如果：
- 需要 超低延迟访问（如缓存、会话存储）。
- 使用 高级数据结构（如排行榜、消息队列）。
- 业务依赖 原子操作（如库存扣减）。
7. 总结
- HBase：大数据存储 + 高吞吐写入，适合 Hadoop 生态。
- MongoDB：通用文档数据库，适合灵活模式和复杂查询。
- Redis：内存数据库，适合高速缓存和实时数据处理。
组合使用案例：
- 用 Redis 缓存热点数据，MongoDB 存储主业务数据，HBase 归档历史数据。
- 例如：电商系统中，用户会话存 Redis，订单数据存 MongoDB，用户行为日志存 HBase。
