HBase为什么适用于海量数据存储?

Hadoop的MapReduce与Spark都可以进行数据计算，而相比于MapReduce，Spark的速度更快并且提供的功能更加丰富。（）

Spark本身并没有提供分布式文件系统，因此Spark的分析大多依赖于Hadoop的分布式文件系统HDFS。（）

RDD中所有的操作都是Lazy模式进行，运行在编译中不会立即计算最终结果，而是记住所有操作步骤和方法，只有显示遇到启动命令才执行。（）

Spark是以RDD概念为中心运行的。（）

Spark基于内存计算，本身可以直接读写Hadoop上任何格式数据，其应用程序在集群上以独立的进程集合的形式运行。（）

Hive定义了一种类似SQL的查询语言（HQL），将HQL转化为MapReduce任务在Hadoop上执行，通常用于在线分析。（）

HDFS系统支持数据的修改。（）

HDFS对大文件的处理能力较强，但是对于小文件，尤其是大量的小文件的处理能力反而较弱。（）

HBase可以有列，可以没有列簇。（）

HBase对于空（NULL）的列，不需要占用存储空间。（）