在Hadoop上运行SQL：程序员需知晓的13种数据工具

在GigaOM安排Structure: Data的日程的时候，就意识到很有必要讨论在Hadoop上运行SQL查询，然而却未认识到Hadoop上运行SQL查询竟然变的这么重要。本文是Gigaom的资深编辑Derrick Harris 撰写的一篇文章 ，编译如下：

其实，对SQL支持并不是Hadoop的最终目标，但是这一特性将会帮助Hadoop找寻自己的生存方式，让Hadoop在那些已经明白下一代分析的重要性但又不想迈向MapReduce专家之路的公司中取得一席之地。

当然，Facebook发起了整场运动 ——在2009年创造了Hive，它把类似数据库SQL查询功能引向了Hadoop。Hive现在已经是Apache的一个开源项目，包括数据管理层以及类SQL的结构化查询语言HiveQL。在过去的数年里，Hive的确是非常有用而且很流行，但是由于Hive对MapReduce依赖，查询速度有着“先天性不足”，因为在查询的过程中，MapReduce需要扫描整个数据集，而且在Job的处理过程中还需要把大量的数据传输到网络。对主流用户而言，难以有很大的吸引力。

请记住，下一代的SQL-on-Hadoop工具并不仅仅只是商业智能，也不是仅仅只能读取存储在Hadoop上数据的数据库产品， EMC Greenplum, HP Vertica,IBMNetezza, ParAccel, MicrosoftSQLServer以及Teradata/Aster Data全部都允许某些方式的Hadoop数据查询。而且这些是应用，框架以及可以让用户从内部进行Hadoop数据查询的引擎，有时候也会重构底层计算以及数据基础设施。这种方式的优点在于：可以利用已有存储形式的数据，从理论上讲，对数据的分析应用就不需要再访问两个独立的数据存储。

数据仓库和BI：The Structure: Data set

Apache Drill： Drill是由MapR主导、基于Hadoop之上的类似于谷歌的Demel（或者说BigQuery）交互式查询引擎。首次公布在8月份，不过该项目正处在开发阶段，也是Apache的孵化器计划，根据其网站所言：“（Drill）明确的目标就是扩展到10000台服务器，而且能够在几秒钟之内处理PB级的数据和数万亿条的记录。”

MapR的产品管理总监Tomer Shiran表示：“Drill与MapReduce相辅相成。在谷歌，数以千计的工程师每天都在使用Dremel和MapReduce，未来也将有着更多的人来使用Drill与MapReduce。 ”

Hadapt：Hadapt实际上在2011年的Structure: Data大会上发布，它也是第一批SQL-on-Hadoop的厂商之一，其独特之处在于，在市场上已经有了真正的产品，而且已经培育了自己的客户群。其独一无二的架构包括先进的SQL分析工具，为MapReduce以及相关任务打造的split-_execution引擎，也包含HDFS和相关的存储。

Hadapt提供了一体化的分析环境，旨在对Hadoop里面的数据执行分析操作，还能对SQL环境中传统的结构化数据进行分析。而Hadapt的平台设计成了可以在私有云或公共云环境上运行，提供了从一个环境就能访问所有数据的优点，所以除了MapReduce流程和大数据分析工具外，现有的基于SQL的工具也可以使用。Hadapt可以在Hadoop层和关系数据库层之间自动划分查询执行任务，提供了Hadapt所谓的优化环境，这种环境可以充分利用Hadoop的可扩展性和关系数据库技术的快速度。

Platfora：从技术来讲，这并不是一个SQL产品，Platfora现在是“红的发紫”，而且意图打造大数据商业智能（BI）的新蓝图。大家都知道，如何能够把冗杂的数据（不管是邮件、文档、音频等）进行有效处理、视觉化，让它变成普通的用户都能看得懂的东西，“数据”才能真正变得有价值。但是Hadpoop只有一小部分开发者（相对而言）在使用，而Platfora却想把它变成一个任何人都可以理解、使用的工具。虽然也有其他的创业者在做类似的事情，但是Platfora在数据处理速度上有明显的优势，同时非常直观，并且他们在用HTML5的canvas来做解决方案，既可以保证操作简便又能兼容不同设备上的数据，公司在10月份进行的产品发布。

Qubole：Qubole是一个建设云平台进行数据分析和处理的创业公司。联合创始人兼CEO是Ashishi Thusoo，在创办Qubole之前，Ashishi负责Facebook数据基础设施团队。在他的领导下，团队创造了世界上最大的数据分析与处理平台。他也是Apache Hive项目的联合创始人，并作为该项目的Apache软件基金会的创始副总裁。Qubole声称具有自动扩展能力，并且对Hadoop代码做过优化，高速的列数据缓存可以让其服务比单独运行Hive时要快很多。Qubole运行在AWS上，相对而言，这比维护一个物理集群要容易得多。