是因为特别在大规模集群下，增强一个关系型数据的性能、可靠性是非常困难的 。一位前甲骨文DBA，McFadin是兴高采烈地发现，“复制和可扩放性是基础”，Cassandra 特点是从一开始设计就解决这个问题 。
在RDBMS中的世界，数据库功能，拓展和复制对很多开发者用户来说，是一个难题 。这个问题在过往的企业规模小的时候，不是一个大问题 。而在今天，它很迅速地成为大问题 。
我从McFadin和其他人那里获知，Cassandra在机器拓展部署上，表现特别出色 。Cassandra自带的备份机制，保证各个数据中心的数据安全 。至于增加容量到集群，“你只需启动一台新机器，并告诉Cassandra那里的新节点，”McFadin说，“然后，它完成其他剩下的事情 。”
优秀的可拓展性，加上出色的写入和可观的查询性能，加起来成为Cassandra高性能的核心 。
NoSQL的一篇文章认为Cassandra在集群规模管理方面非常出色，但它需要一个博士学位才能上手 。事实并非如此，McFadin坚持认为：
在复制、读取和写入是故意简单 。你可以在几个小时内学会Cassandra的核心功能 。在部署这项新技术的时候，为给开发者带来很多的信心，因为比较少引入“黑盒子”内的技术细节和复杂的故障模式原理 。
这意味着主要的开发成本，是对Cassandra数据模型的理解，以及如何结合您的应用程序 。鉴于Cassandra的CQL查询语言（类似于SQL，实际上不是SQL），McFadin说，学习这个也不困难 。
更重要的是，他告诉我，“Cassandra回报给你的是，在一个数据库中：没有戏剧性的场景（故障）出现 。这就是用户喜欢使用Cassandra的原因 。”
HBase：Hadoop的知心伙伴HBase，像Cassandra一样是个通过key-value面向列存储的服务 。因为它和Hadoop有着“共同血统”，被广泛使用 。事实上，正如Cloudera的Kestelyn所说的那样，“HBase提供了一个基于记录的存储层，能够快速随机读取和写入数据，正好弥补了Hadoop的缺陷，Hadoop侧重系统吞吐量，而牺牲I / O读取效率为代价 。”
Kestelyn接着说：
更改有效录入到内存中，以达到最大的访问量，同时将数据保存到HDFS 。这种设计使基于Hadoop的EDH（enterprise data hub，企业数据中心）服务，能够实时完成随机读写存储数据，但仍拥有HDFS的高容错性和耐用性 。
Hadoop的亲和力，不是HBase数据库中的人气排名不断上升的唯一原因 。类似Cassandra，HBase是Google的Bigtable的开源实现转化成的数据库，天然被设计为高可扩展性 。
Hbase可以利用任何数量服务器的磁盘、内存和CPU资源，同时拥有极佳的扩展功能，如自动分片 。当系统负载和性能要求不断增加，HBase的可通过简单增加服务器节点的方式无限拓展 。HBase从底层设计上保证，在确保数据一致性的同时，提供最佳性能 。
但规模不是它的唯一用途 。Kestelyn指出，“由于它与Hadoop的生态系统紧密集成，对于用户和应用程序来说，数据是容易获取的，可以通过SQL的方式查询（使用Cloudera的Impala，Phoenix，或Hive），甚至自由文本搜索（使用Cloudera Search） 。“因此，HBase为开发人员提供了一种方法，利用现有通用的SQL语言，来建立在一个更成熟的分布式数据库 。
每种数据库技术都有自己的长处和不足，但这里评论的三种数据库，在大数据技术领域，占据了重要的位置 。虽然未来可能还有一种全新的NoSQL数据库技术会挑战它们前三的位置，但目前的现实是，许多开发人员以及一批强大的成熟企业已经做出了它们的选择：MongoDB、Cassandra 和 HBase 。
【怎么进行MongoDB和Cassandra以及HBase三种NoSQL数据库比较】