Hadoop基本上是一个分布式文件系统(HDFS) --它允许您将大量文件数据存储在机器云中，处理数据冗余等。
在这个分布式文件系统的基础上，Hadoop提供了一个API来处理所有存储的数据-Map。其基本思想是，由于数据存储在许多节点中，所以最好以分布式方式处理，即每个节点都可以处理存储在其上的数据，而不是花费大量的时间在网络上移动数据。
与您可以实时查询的RDMS不同，映射减少过程需要时间，不会立即产生结果。
在这个基本方案的基础上，您可以构建一个列数据库，比如HBase。列数据库基本上是一个哈希表，允许对行进行实时查询。
据我所知，有很多不同之处。请阅读下面的差异。
Hadoop不是数据库。Hbase或Impala可能被认为是数据库，但Hadoop只是一个文件系统(hdfs)，内置冗余、并行性。传统的数据库/RDBMS具有原子性、一致性、隔离性和耐久性等特点。你不能用Hadoop把这些从盒子里拿出来。因此，如果您必须编写代码从一个银行帐户取钱，并将其存入另一个帐户，那么您必须(痛苦地)对所有情况进行编码，例如，如果资金被取出，但在其转入另一个帐户之前出现故障，则会发生什么情况。Hadoop提供了大规模的处理能力和存储，与RDBMS相比成本非常低。Hadoop提供了巨大的并行处理能力。您可以在处理大量数据的同时运行作业。有些人认为，传统的数据库不能很好地处理非结构化数据，但它没有那么简单。有许多应用程序是使用传统的RDBMS构建的，它们使用了大量的非结构化数据或视频文件或PDF，这是我遇到的非常好的方法。通常，RDBMS将管理缓存中的大量数据，以加快处理速度，同时保持会话间的读取一致性。我认为Hadoop在使用内存缓存处理数据时做得更好，而不提供任何其他条目，比如读一致性。Hive几乎总是比在传统数据库中运行的SQL慢很多倍。因此，如果您认为Hive中的SQL比数据库中的SQL更快，那么您将感到非常失望。对于复杂的分析，它根本不会扩展。Hadoop非常适合并行处理问题--比如在大量文档中查找一组关键字(此操作可以并行化)。然而，对于可比较的数据集，RDBMS的实现通常会更快。