转载

Hadoop新角色：辅助数据仓库

曾经有段时间，大概两年前，SQL-on-Hadoop就要打开Hadoop的数据访问。这是基于以下两个原因：SQL自有的那些特征，消除Hadoop/MapReduce专家对数据访问的排他性。是的，一些架构细节也是重要的，比如SQL引擎是否直接触及Hadoop集群的数据节点。但是，大多数情况下，解决方案被巧妙地概括为：SQL，on Hadoop。

今天，SQL-on-Hadoop解决方案被认为是最好的，不是因为他们SQL引擎自身，而是他们能够使得Hadoop和传统数据仓库协作。Hadoop可以视为篡位者，数据仓库的同等或者外围部分；SQL-on-hadoop引擎，用来决定Hadoop这三个角色哪一个（或者更多）能被实现完成。

Gigaom研究刚刚发布行业路线：Hadoop/数据仓库互操作性。分析师 George Gilbert 调查了SQL-on-Hadoop市场，评估了六个解决方案。这六个“中断向量”的每一个或者主要趋势将影响市场和明年的玩家：模式灵活性、数据引擎互操作性、定价模式、企业可管理性、负载优化作用和查询引擎的成熟度。

场景

作为根据这些向量评价各种SQL-on-Hadoop产品的背景，Gilbert确定三个关键分析使用场景。第一个是核心数据仓库，许多学院派专家熟悉的概念：一个相当昂贵的基于硬件数据库平台提供高度组织化的数据，它的数据结构被优化为商业认为需要运行的查询类型。

第二个是所谓的“数据湖”（被一些厂商称为“企业数据中心”）。这里，Hadoop充当各种不同数据来源的收集点，包括无结构化，半结构化和结构化数据。Hadoop 2.0的 YARN 资源管理器促进使用各种分析引擎以特别的方式去探索“湖”的数据，由此数据仓库能够解脱出来，自由为设计和调整的查询服务。

Hadoop新角色：辅助数据仓库