大数据查询引擎的选型,画了几张架构图,和一些对比分析: 一.Presto 二.Impala 三.HAWQ 四.总体比较: 1)都是MPP架构,且没有明显性能差距2)HAWQ的功能.特性较Presto和Impala更全面,同时带来系统配置复杂,学习维护成本高的风险3)Presto与Impala都有各自明显的优势: 1,Presto可以通过Connector接入多种数据源,灵活性高,而Impala只支持有限的数据源类型2,Impala天然支持Coordinator高可用,Presto的Coordin

转自infoQ! 根据 O’Reilly 2016年数据科学薪资调查显示,SQL 是数据科学领域使用最广泛的语言.大部分项目都需要一些SQL 操作,甚至有一些只需要SQL. 本文涵盖了6个开源领导者:Hive.Impala.Spark SQL.Drill.HAWQ 以及Presto,还加上Calcite.Kylin.Phoenix.Tajo 和Trafodion.以及2个商业化选择Oracle Big Data SQL 和IBM Big SQL,IBM 尚未将后者更名为“Watson SQL”.

Hive.Spark SQL.Impala比较        Hive.Spark SQL和Impala三种分布式SQL查询引擎都是SQL-on-Hadoop解决方案,但又各有特点.前面已经讨论了Hive和Impala,本节先介绍一下SparkSQL,然后从功能.架构.使用场景几个角度比较这三款产品的异同,最后附上分别由cloudera公司和SAS公司出示的关于这三款产品的性能对比报告.1. Spark SQL简介        Spark SQL是Spark的一个处理结构化数据的程序模块.与其

本文引用自:Cloudera CDH .Impala本地通过Parcel安装配置详解及什么是Parcelhttp://www.aboutyun.com/forum.php?mod=viewthread&tid=9111(出处: about云开发)   问题导读: 1.什么是Parcel? 2.Parcel本地园与Package本地源的区别是什么? 一.Parcel本地源与Package本地源的区别 本地通过Parcel安装过程与本地通过Package安装过程完全一致,不同的是两者的本地源的配置.

1.Impala 外部 Shell Impala外部Shell 就是不进入Impala内部,直接执行的ImpalaShell 例如通过外部Shell查看Impala帮助可以使用: $ impala-shell -h 这样就可以查看了: 再例如显示一个SQL语句的执行计划: $ impala-shell -p select count(*) from t_stu 下面是Impala的外部Shell的一些参数: • -h (--help) 帮助 • -v (--version) 查询版本信息 • -

1.Impala简介 • Cloudera公司推出,提供对HDFS.Hbase数据的高性能.低延迟的交互式SQL查询功能. • 基于Hive使用内存计算,兼顾数据仓库.具有实时.批处理.多并发等优点 • 是CDH平台首选的PB级大数据实时查询分析引擎 官网:http://www.cloudera.com/products/apache-hadoop/impala.html http://www.impala.io/index.html 下面是在基于单用户和多用户查询的时候,不同的查询分析器所使用

1.概要 1.1 环境信息 hadoop:cdh5.10 os:centos6.7 user:root hive.impala已集成sentry 1.2 访问控制权限 这里通过使用openldap来控制hive.impala的访问权限,即通过用户名.密码来进行访问.而hive.impala内部则已集成了sentry来控制更为细粒度的权限访问. 2.openldap 2.1 安装 # yum install -y openldap-* 2.2 配置 拷贝ldap配置文件到ldap目录 # cp /

impala的介绍: impala是cloudera公司开源提供的一款高效率的sql查询工具 impala可以兼容hive的绝大多数的语法,可以完全的替代表hive impala与hive的关系:紧耦合的关系 impala的优点与缺点:优点:快 ,以内存空间换区时间速度,所以比较快 缺点:内存消耗比较大,官方推荐每个节点的内存128G起步 底层的实现,是基于C++,维护难度增大 与hive共存亡,紧耦合的关系 稳定性不如hive =================================

Round One: 平局:共同点就是吃内存; Round Two: Impala胜 Impala查询性能稍领先于presto Round Three: presto胜 presto在数据源支持上非常丰富,包括hive.图数据库.传统关系型数据库.Redis等 Round Four: 平局: 这两种对hbase支持的都不好,presto 不支持,但是对hdfs.hive兼容性很好 彩蛋: 针对hbase的二级索引查询可以用phoenix,效果不错

一.Parcel本地源与Package本地源的区别 本地通过Parcel安装过程与本地通过Package安装过程完全一致,不同的是两者的本地源的配置. 区别如下: Package本地源:软件包是.rpm格式的,数量通常较多,下载的时候比较麻烦.通过"createrepo ."的命令创建源,并要放到存放源文件主机的web服务器的根目录下,详见创建本地yum软件源,为本地Package安装Cloudera Manager.Cloudera Hadoop及Impala做准备 Parcel本地

3.hue与其他框架的集成 3.1.hue与hadoop的HDFS以及yarn集成 第一步:更改所有hadoop节点的core-site.xml配置 记得更改完core-site.xml之后一定要重启hdfs与yarn集群 <property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name&

6.制作本地yum源 镜像源是centos当中下载相关软件的地址,我们可以通过制作我们自己的镜像源指定我们去哪里下载impala的rpm包,这里我们使用httpd这个软件来作为服务端,启动httpd的服务来作为我们镜像源的下载地址 这里我们选用第三台机器作为镜像源的服务端 node03机器上执行以下命令 yum  -y install httpd service httpd start cd /etc/yum.repos.d vim localimp.repo [localimp] name=l

1. impala安装软件下载: http://archive.cloudera.com/cdh5/repo-as-tarball/5.14.0/ 2. linux磁盘的挂载: [root@node03 ~]# df -lhFilesystem Size Used Avail Use% Mounted on/dev/mapper/VolGroup-lv_root 37G 15G 21G 43% /tmpfs 1.5G 0 1.5G 0% /dev/shm/dev/sda1 477M 41M 41

• 执行计划 – 查询sql执行之前,先对该sql做一个分析,列出需要完成这一项查询的详细方案 – 命令:explain sql.profile 要点: • 1.SQL优化,使用之前调用执行计划 • 2.选择合适的文件格式进行存储 • 3.避免产生很多小文件(如果有其他程序产生的小文件,可以使用中间表) • 4.使用合适的分区技术,根据分区粒度测算 • 5.使用compute stats进行表信息搜集 • 6.网络io的优化: – a.避免把整个数据发送到客户端 – b.尽可能的做条件过滤 –

• 配置: – impala.driver=org.apache.hive.jdbc.HiveDriver – impala.url=jdbc:hive2://node2:21050/;auth=noSasl – impala.username= – impala.password=• 尽量使用PreparedStatement执行SQL语句: – 1.性能上PreparedStatement要好于Statement – 2.Statement存在查询不出数据的情况 下面是Java的测试代码:

Impala可以通过Hive外部表方式和HBase进行整合,步骤如下: • 步骤1:创建hbase 表,向表中添加数据 create 'test_info', 'info' put 'test_info','1','info:name','zhangsan’ put 'test_info','2','info:name','lisi' • 步骤2:创建hive表 CREATE EXTERNAL TABLE test_info(key string,name string ) ROW FORMAT

https://www.quora.com/What-is-the-difference-between-Spark-and-Presto

Presto 基础知识与概念学习可以参考这些博客: presto 0.166概述 https://www.cnblogs.com/sorco/p/7060166.html Presto学习-presto介绍 https://blog.csdn.net/paicMis/article/details/78516475 Presto必知必会 https://blog.csdn.net/jiangshouzhuang/article/details/52461274 Presto实战 https://

数据库构架设计中主要有Shared Everthting.Shared Nothing.和Shared Disk: Shared Everthting:一般是针对单个主机,完全透明共享CPU/MEMORY/IO,并行处理能力是最差的,典型的代表SQLServer Shared Disk:各个处理单元使用自己的私有 CPU和Memory,共享磁盘系统.典型的代表Oracle Rac, 它是数据共享,可通过增加节点来提高并行处理的能力,扩展能力较好.其类似于SMP(对称多处理)模式,但是当存储器接口

经过这么多年的发展,已经从大数据1.0的BI/Datawarehouse时代,经过大数据2.0的Web/APP过渡,进入到了IOT的大数据3.0时代,而随之而来的是数据架构的变化. ▌Lambda架构 在过去Lambda数据架构成为每一个公司大数据平台必备的架构,它解决了一个公司大数据批量离线处理和实时数据处理的需求.一个典型的Lambda架构如下: 数据从底层的数据源开始,经过各种各样的格式进入大数据平台,在大数据平台中经过Kafka.Flume等数据组件进行收集,然后分成两条线进行计算.一条