SQL on Hadoop 和 SQL off Hadoop 详情

最初，Apache Hadoop被视为是批解决非结构化数据的平台。从本质上讲，Hadoop是一种存储和解决大量数据的廉价又可靠的方式，吸引了更多的用户。

随着时间的推移，Data Gravity的影响添加了对SQL on Hadoop的需求。最初的目标是找到用SQL来支持Hadoop数据的方法，但现在越来越多的要求是使用像Tableau这样的工具，将业务使用户与数据连接起来。

开源方法

有许多开源的SQL on Hadoop处理方案，包括Hive(LLAP)，Impala，SparkSQL和Presto。这些产品大都比较年轻，依然有很大的改进。这些处理方案最大的优势在于它们是从头开始编写的，使用于分析Hadoop中的数据。

人们经常说好的软件需要10年时间来研发，SQL产品也不列外，特别是在查询优化方面，尽管Hadoop本身已经有10年的历史了，但是Hadoop产品上的大部分SQL都太年轻。这也是为什么许多专有的数据库产品都建立在巨人肩膀上的起因。例如，PostgreSQL派生的产品列表中包括的Greenplum、Netezza、ParAccel、Redshift和Vertica。

专有处理方案

在Hadoop中有专门用SQL来查询数据的方法。

其中的少量允许使用户运行TDWI调使用“SQL off Hadoop”，这需要Hadoop集群和一个单独的SQL引擎平台。在不同平台之间移动数据需要额外的费使用，但有些人可可以会认为将SQL工作负载从Hadoop集群中分离出来会带来好处，因而额外的费使用也是值得的。

基准测试

基准测试能作为来判断Hadoop选项上的替代SQL功可以和性可以的基本点。包括以下几点：

1. AtScale：这是AtScale第二次SQL on Hadoop测试，显著看得出来，他们测试的开源产品有了大幅改进，更符合使用户对新产品的期望，另一个发现是，产品对不同的查询都有优势和弱点，表明这还不是一个适合所有市场的产品。另外，基准用了相对较小的TPC-H查询集，而这里列出的其余基准用升级和更全面的TPC-DS查询集。

2. Comcast对TPC-DS查询进行了基准测试，比较了不同的SQL on Hadoop产品。这也是比较不同文件格式性可以的唯一基准。

3. Kognitio TPC-DS查询设置了一个基准，包括所有的TPC-DS查询和并发测试。关于基准运行方式以及每个查询结果。

基准测试过程中呈现出了少量共性：

1. 开源产品在功可以和性可以方面正在得到显着改善。

2. 许多开源产品不成熟，意味着它们无法运行所有的TPC-DS查询集，由于它们不支持所需的语法，或者者会产生运行时错误。

3. 某些产品(特别是SparkSQL和Presto)需要对并发性可以进行调优。

4. Hive本身非常缓慢(Comcast特别强调)。 Hive LLAP是一个重大的改进，虽然AtScale依然把它排在Presto和Impala的后面。

不再是“一刀切”

只需在Hadoop集群上用SQL on Hadoop处理方法，即可以找到适合的工具来工作。假如您已经有了Hive for ELT和其余批解决功可以，但是无法满足将Hadoop中的数据连接到业务使用户社区的需求，那么您能用不同的SQL on Hadoop处理方案来完成该任务，并保持当前 Hive工作负载到位。