大数据分析(Big Data OLAP)引擎Dremel, Tenzing 以及Impala

本文介绍了大数据分析引擎Dremel、Tenzing和Impala,探讨了如何提高SQL在大数据平台上的执行速度。Dremel以其快速的SQL执行和列式存储提供高效分析,而Tenzing通过对MapReduce的优化实现快速查询。Impala是Dremel的Hadoop复制品,有望成为统一的查询引擎。YouTube的BI架构采用Dremel和Tenzing,展示了这些技术的实际应用。

对于数据分析师来说,SQL是主要的语言。 Hive为Hadoop提供了支持SQL运行的能力,可是目前Hive运行速度达不到实时要求。这是因为Hive将SQL翻译成一个或多个MapReduce任务,而MapReduce原本是大数据批处理计算框架,并不适应实时数据分析的速度要求。

 

现在有两种思路去提高SQL在大数据平台上的执行速度:

1.      用一种更快的SQL执行引擎取代MapReduce。

2.      优化MapReduce,使其更适合OLAP查询。

 

谷歌在这两种思路上都做出了先驱性工作。2010年,谷歌发表了Dremel论文。Dremel是取代MapReduce的SQL执行引擎,其速度要快于MapReduce100倍,基本上可以保证大多数SQL执行在一秒内完成。 2011年,谷歌发表了Tenzing论文, Tenzing是一种经过优化的MapReduce系统,大多数SQL查询能在5--10秒钟之内完成。

 

本文将首先讨论Dremel和Tenzing的技术特点,然后展示Youtube的BI构架,最后将讨论最新开源SQL执行引擎Impala。

 

Dremel—一个更快的SQL执行引擎

 

据谷歌的技术人员自己宣称,Dremel的SQL执行速度不仅比MapReduce快,也要比MySQL块。例如一个大的Fact table, 有130 million行数据,在上面做Avg()计算,MySQL需要2分钟,而用类似价位硬件的Dremel只需要几秒钟。

 

Dremel之所以快,主要有两点原因

1.      Dremel的服务器节点按照一个递归树形状组织在一起。图1显示了Dremel服务器节点组织构架。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值