阿帕奇Hive

Apache Hive是基于Hadoop生態(tài)系統(tǒng)的旗艦數(shù)據(jù)倉庫工具。它不僅將結(jié)構(gòu)化的數(shù)據(jù)文件映射到數(shù)據(jù)庫表，而且還提供SQL(HQL)查詢功能(例如SQL語句)并將SQL語句轉(zhuǎn)換為MapReduce任務(wù)以供執(zhí)行。

它是由Facebook開發(fā)的，于2008年進(jìn)入Apache孵化器，并于2010年9月成為優(yōu)秀Apache項(xiàng)目。背后的原理是利用熟悉的SQL模型來處理HDFS(Hadoop)上的數(shù)據(jù)。借助Hive，學(xué)習(xí)成本低，并且可以通過HQL語句快速轉(zhuǎn)換簡單的MapReduce統(tǒng)計(jì)信息，而無需擔(dān)心開發(fā)其他特殊的MapReduce應(yīng)用程序。

Hive非常方便地在整個(gè)企業(yè)范圍內(nèi)對數(shù)據(jù)倉庫進(jìn)行建模和構(gòu)建，而Hive SQL模型則可以對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析。

但是，Hive的底層被轉(zhuǎn)換為MR，而MR的改組依賴于系統(tǒng)磁盤，因此它只能處理離線分析，這效率相對較低，在開發(fā)人員社區(qū)中不可接受。Hive通常使用Hive在整個(gè)組織中構(gòu)建數(shù)據(jù)倉庫。

Apache SparkSQL

Apache SparkSQL是主要的Spark組件構(gòu)建，用于處理結(jié)構(gòu)化數(shù)據(jù)。Spark SQL于2014年發(fā)布，并吸收了Hive-on-Spark項(xiàng)目，該項(xiàng)目現(xiàn)在是使用最廣泛的Spark模塊。它提供了一個(gè)稱為DataFrames的可編程抽象數(shù)據(jù)模型，并被視為分布式SQL查詢引擎。

SparkSQL取代了Hive的查詢引擎，但也與hive系統(tǒng)兼容。關(guān)于Spark RDD API，Spark SQL提供的接口將為Spark提供有關(guān)結(jié)構(gòu)化數(shù)據(jù)和計(jì)算的更多信息。SparkSQL最底層是Spark Core，它使您可以輕松地在不同的SQL和API之間切換。

Presto

Presto是一個(gè)分布式數(shù)據(jù)查詢引擎，但從不存儲(chǔ)數(shù)據(jù)本身Presto將提供對多個(gè)數(shù)據(jù)源的訪問，并支持跨不同數(shù)據(jù)源的級聯(lián)查詢。它是一個(gè)分布式SQL交互式查詢引擎，它也在2012年由Facebook開發(fā)，并于2013年開源。

Presto是一種OLAP工具，適用于海量數(shù)據(jù)的復(fù)雜分析，但不適用于OLTP方案。Presto僅提供計(jì)算和分析功能，而不能用作數(shù)據(jù)庫系統(tǒng)。

就Hive而言，Presto是一種低延遲，高并發(fā)性的內(nèi)存計(jì)算引擎。它的執(zhí)行效率比Hive高得多。它的MPP(大規(guī)模并行處理)模型可以處理PB級數(shù)據(jù)。Presto的原理只是將一些數(shù)據(jù)放入內(nèi)存中進(jìn)行計(jì)算，完成后將其取出，然后再次處理其他一些數(shù)據(jù)，例如循環(huán)和類似于管道處理模式。

Apache Kylin

Apache Kylin是針對Hadoop生態(tài)系統(tǒng)的開源分布式分析引擎。其針對Hadoop / Spark的SQL查詢接口和OLAP功能廣泛支持超大規(guī)模數(shù)據(jù)。它使用基于多維數(shù)據(jù)集的預(yù)計(jì)算技術(shù)，該技術(shù)可快速高效地處理大數(shù)據(jù)SQL查詢。Kylin由eBay開發(fā)，并于2014年11月進(jìn)入Apache孵化器。

凱林(Kylin)的出現(xiàn)是為了解決分析需要的TB數(shù)據(jù)。它可以在蜂巢中預(yù)先計(jì)算數(shù)據(jù)，并使用Hadoop的MapReduce框架實(shí)施。它可以在幾秒鐘內(nèi)查詢大量的Hive表。

麒麟最關(guān)鍵的兩個(gè)過程是

• 多維數(shù)據(jù)集的預(yù)計(jì)算過程，并將SQL查詢轉(zhuǎn)換為多維數(shù)據(jù)集。
• 此外，在查詢時(shí)要預(yù)先計(jì)算匯總結(jié)果并同時(shí)獲得查詢結(jié)果，避免直接掃描。

Apache Impala

與其他框架相比，它是用于大數(shù)據(jù)的實(shí)時(shí)交互式SQL查詢引擎。Apache Impala是由Cloudera開發(fā)的SQL MPP查詢工具，受Google Dremel的啟發(fā)，后來于2012年10月開源，并于2017年11月28日成為優(yōu)秀項(xiàng)目。

Impala使用完全開放且不同的形式集成到Hadoop生態(tài)系統(tǒng)中，從而使其使用者可以使用SQL來處理Hadoop生態(tài)系統(tǒng)中的大量數(shù)據(jù)。

目前，它支持多種類型的存儲(chǔ)選項(xiàng)，例如：

• Apache Kudu
• 亞馬遜S3
• 微軟ADLS
• 本地存儲(chǔ)

它誕生時(shí)僅支持對大量HDFS數(shù)據(jù)的交互式分析。它的靈活性和領(lǐng)先的分析數(shù)據(jù)庫性能促進(jìn)了在全球企業(yè)中的大量部署。

Ir為企業(yè)業(yè)務(wù)提供BI和交互式SQL高效分析，并允許第三方生態(tài)系統(tǒng)快速增長。

Apache Druid

Apache Druid是用于實(shí)時(shí)數(shù)據(jù)分析的開源工具，旨在快速處理大規(guī)模數(shù)據(jù)。它的分布式實(shí)時(shí)分析通過快速查詢和大規(guī)模數(shù)據(jù)集解決了復(fù)雜的任務(wù)。

2018年2月28日進(jìn)入Apache孵化器。它提供了以交互方式訪問數(shù)據(jù)的功能。進(jìn)入Druid系統(tǒng)后，可以實(shí)時(shí)攝取數(shù)據(jù)并立即進(jìn)行驗(yàn)證。輸入的數(shù)據(jù)a幾乎是不可變的。通常是基于時(shí)間順序的事實(shí)事件。

Elastic Search

它是一個(gè)分布式，可伸縮的實(shí)時(shí)搜索和分析引擎。它由Shay Banon于2010年建造，后來開源。它具有全文搜索引擎的功能，并具有RESTful Web界面的分布式多用戶支持。

ES的工作原理主要分為以下幾個(gè)步驟。

• 首先，用戶將數(shù)據(jù)輸入ES數(shù)據(jù)庫
• 然后利用分詞控制器對相應(yīng)的句子進(jìn)行分段
• 存儲(chǔ)細(xì)分結(jié)果的權(quán)重。

當(dāng)用戶搜索特定數(shù)據(jù)時(shí)，將根據(jù)權(quán)重對結(jié)果進(jìn)行排名和評分，然后返回給用戶。ES是完全用Java開發(fā)的，并且是當(dāng)前比較受歡迎的企業(yè)搜索引擎。

它穩(wěn)定，可靠，快速且易于安裝，專為在云計(jì)算環(huán)境中使用而設(shè)計(jì)。

官方客戶提供以下語言版本

• Java
• .NET(C#)
• PHP
• Python
• Apache Groovy
• Ruby

Apache HAWQ

Apache HAWQ(帶有查詢的Hadoop)是Hadoop本機(jī)并行SQL分析引擎。它是Pivotal在2012年推出的具有商業(yè)許可的高性能SQL引擎。

它是Hadoop的本機(jī)SQL查詢引擎，結(jié)合了MPP數(shù)據(jù)庫的技術(shù)優(yōu)勢，巨大的可擴(kuò)展性和Hadoop的便利性。

經(jīng)驗(yàn)證，HAWQ的OLAP性能是Hive和Impala的4倍以上。它非常適合在Hadoop平臺(tái)上快速構(gòu)建數(shù)據(jù)倉庫系統(tǒng)。

HAWQ具有以下功能，例如

• 大規(guī)模并行處理
• 完全的SQL兼容性，
• 支持存儲(chǔ)過程和事務(wù)。

它也可以輕松地與其他開源數(shù)據(jù)挖掘庫(如MADLib)集成。

Apache Lucene

Apache Lucene是基于Java的開源全文搜索引擎工具箱。它是功能比較強(qiáng)大且被廣泛采用的搜索引擎。Lucene不是完整的搜索引擎，而是全文搜索引擎體系結(jié)構(gòu)，使用此原型，您可以制造其他搜索引擎產(chǎn)品。它是一種全文本搜索引擎體系結(jié)構(gòu)，可提供完整的索引創(chuàng)建和查詢索引以及文本分析引擎。

Lucene的目標(biāo)是為軟件開發(fā)人員提供一個(gè)簡單易用的工具包，以促進(jìn)在所需系統(tǒng)中實(shí)現(xiàn)全文搜索功能，甚至基于此原型構(gòu)建完整的全文搜索引擎。它提供了一個(gè)簡單但功能強(qiáng)大的應(yīng)用程序編程接口(API)，可以進(jìn)行全文索引和搜索。

Apache Solr

Apache Solr是一個(gè)基于Apache Lucene架構(gòu)的開源企業(yè)搜索平臺(tái)。它于2004年發(fā)布，于2007年1月17日成為Apache優(yōu)秀項(xiàng)目。

它的高可靠性，可伸縮性和容錯(cuò)能力提供分布式索引，復(fù)制和負(fù)載平衡查詢，自動(dòng)故障轉(zhuǎn)移，恢復(fù)和集中式配置。它是一個(gè)完全用Java語言編寫的獨(dú)立全文搜索服務(wù)器，并在Servlet容器環(huán)境(Apache Tomcat或Jetty)中運(yùn)行。

Solr依靠Lucene Java搜索庫進(jìn)行全文索引和搜索，并使用HTTP / XML和JSON API執(zhí)行類似REST的操作。Solr強(qiáng)大的外部配置功能使其無需使用Java語言即可進(jìn)行調(diào)整，以適合多種類型的軟件。Solr支持許多大型Internet企業(yè)站點(diǎn)的搜索和導(dǎo)航功能。

Apache Phoenix

Apache Phoenix是基于HBase的SQL類型框架。Apache Phoenix JDBC API取代了傳統(tǒng)的HBase客戶端API的需求，它還創(chuàng)建表，插入數(shù)據(jù)和查詢HBase數(shù)據(jù)。基本上，這是Java中間層，允許開發(fā)人員使用HBase中的數(shù)據(jù)表，例如關(guān)系數(shù)據(jù)庫(例如，通過Phoenix的MySQL)。

Phoenix會(huì)將SQL查詢語句編譯為一系列Scan操作，并生成JDBC結(jié)果集并將其返回給服務(wù)使用者。它使您能夠使用基礎(chǔ)層，例如HBase協(xié)處理器和過濾器。無論數(shù)據(jù)響應(yīng)時(shí)間以秒為單位，小規(guī)模查詢都會(huì)以毫秒為單位進(jìn)行響應(yīng)。