我们目前有一个写入量非常大的网络分析应用程序，它从大量网站和商店收集大量实时事件，用于后续分析和报告。
我们最初计划的架构涉及一组网络服务器处理请求，并将所有数据写入 Cassandra 集群，同时更新大量计数器以获取实时聚合报告。我们还计划直接在 CassandraFS 上使用 hadoop(作为 HDFS 的替代品 - 由 datastax 提供)在 Cassandra 中驻留的数据上本地运行 Map Reduce 作业以进行更多相关分析。 MapR 作业的输出将被写回 Cassandra 中的 ColumnFamilies。 Hadoop map reduce 在写入密集型主 cassandra 集群的只读副本上运行。这个想法是为了避免多个数据跃点，并将所有用于分析的数据放在一个存储库中。
最近我们听说并遇到了管理和发展具有频繁节点中断和糟糕响应时间的 cassandra 集群的第一手问题。 Couchbase 似乎在响应时间以及动态增长和管理集群方面要好得多。所以我们正在考虑用 Couchbase 替换 Cassandra。
然而，这带来了一些问题。
Couchbase 在主要是顺序写入的场景中是否可以很好地扩展？我没有看到我们的场景大量使用内存缓存，因为很少读回正在写入的原始数据，只有聚合指标。另外，当 Couchbase 需要非常频繁地(或一直？)访问磁盘以写回数据时，我还没有读到很多关于会发生什么的信息。它最终会比 Cassandra 表现差吗？
Hadoop 界面发生了什么变化？ Couchbase 有自己的 map reduce 功能，但我知道它们的范围有限。我是否需要在 CouchbaseDB 和 HDFS 之间来回传输数据，以便能够支持单个数据库的所有分析和报告？
最佳答案
我最近评估了 Cassandra 和 Couchbase 以及满足客户需求的其他选项，因此我可以对这两个数据存储有一些了解。
Couchbase 难以置信易于管理，一旦您在节点上安装了服务器，您就可以从仪表板完全管理集群。然而，随着数据量的增长，couchbase 的扩展性不如 Cassandra。我也没有找到将 Couchbase 和 HDFS/Hadoop 无缝集成的方法。
Cassandra 在超快速写入吞吐量方面表现非常出色，但它没有任何服务器端聚合功能。集群管理比 Couchbase 稍微困难一些，因为每次添加或删除节点时都必须重新平衡集群。除此之外，从性能的角度来看，只要您正确设计了架构，Cassandra 几乎可以无缝运行。
如果您负担得起 Hive 的 Datastax Enterprise 解决方案来为复杂的分析执行 map-reduce，我建议您继续使用 Cassandra，因为 couchbase map-reduce 支持并不是那么好，基准测试显示 Couchbase 性能开始下降随着簇大小的增长而恶化。
关于hadoop - Cassandra 和 Couchbase 之间此用例的潜在权衡，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18000652/