曾經有段時間，大概兩年前，SQL-on-Hadoop就要打開Hadoop的數據訪問。這是基于以下兩個原因：SQL自有的那些特征，消除Hadoop/MapReduce專家對數據訪問的排他性。是的，一些架構細節也是重要的，比如SQL引擎是否直接觸及Hadoop集群的數據節點。但是，大多數情況下，解決方案被巧妙地概括為：SQL，on Hadoop。
今天，SQL-on-Hadoop解決方案被認為是最好的，不是因為他們SQL引擎自身，而是他們能夠使得Hadoop和傳統數據倉庫協作。Hadoop可以視為篡位者，數據倉庫的同等或者外圍部分；SQL-on-hadoop引擎，用來決定Hadoop這三個角色哪一個（或者更多）能被實現完成。
Gigaom研究剛剛發布行業路線：Hadoop/數據倉庫互操作性。分析師George Gilbert調查了SQL-on-Hadoop市場，評估了六個解決方案。這六個“中斷向量”的每一個或者主要趨勢將影響市場和明年的玩家：模式靈活性、數據引擎互操作性、定價模式、企業可管理性、負載優化作用和查詢引擎的成熟度。
場景
作為根據這些向量評價各種SQL-on-Hadoop產品的背景，Gilbert確定三個關鍵分析使用場景。第一個是核心數據倉庫，許多學院派專家熟悉的概念：一個相當昂貴的基于硬件數據庫平臺提供高度組織化的數據，它的數據結構被優化為商業認為需要運行的查詢類型。
第二個是所謂的“數據湖”（被一些廠商稱為“企業數據中心”）。這里，Hadoop充當各種不同數據來源的收集點，包括無結構化，半結構化和結構化數據。Hadoop 2.0的YARN資源管理器促進使用各種分析引擎以特別的方式去探索“湖”的數據，由此數據倉庫能夠解脫出來，自由為設計和調整的查詢服務。
實際上，核心數據倉庫，輔助數據倉庫和數據湖構成數據處理層次，并具有相應層次的成本。平臺的分層選擇能夠使得較低產值的任務（不過，可以說，更高的商業價值）在較便宜的平臺上處理——為企業組織產生更高的效率。
企業投資回報率
便宜了多少呢？Gilbert說，Hadoop成本每TB數據與基于硬件的數據倉庫相比，至少少一個數量級。因為Hadoop能夠啟用數據湖和輔助數據庫場景，他們的實現能夠使Hadoop給企業用戶明顯的投資回報率。
一個懸而未決的問題是，是否并且何時Hadoop能夠同樣地在核心數據倉庫中提供服務。如果能這樣做，這將有助于數據倉庫供應商，Hadoop分銷商或者兩者兼而有之？確實，這種動態性可能是預測未來分銷商兼并由傳統玩家主導——或者可能甚至是相反的。
京公網安備 11010502049343號