Apache Tajo 简明教程
Apache Tajo - Introduction
Distributed Data Warehouse System
数据仓库是一种关系型数据库，其设计主要用于查询和分析，而不是用于事务处理。它是一个面向主题、集成、随时间变化且不易失的数据集合。这些数据可帮助分析师在组织中做出明智决策，但关系数据量逐日增加。
为了克服这些挑战，分布式数据仓库系统跨多个数据存储库共享数据，目的是用于联机分析处理 (OLAP)。每个数据仓库可能属于一个或多个组织。它执行负载平衡和可扩展性。元数据进行复制并集中分布。
Apache Tajo 是一款分布式数据仓库系统，它使用 Hadoop 分布式文件系统 (HDFS) 作为存储层，并拥有自己的查询执行引擎，而不是 MapReduce 框架。
Overview of SQL on Hadoop
Hadoop 是一个开放源码框架，允许在分布式环境中存储和处理大数据。它非常快速且强大。但是，Hadoop 的查询能力有限，因此可以在 Hadoop 上使用 SQL 来进一步提升其性能。这允许用户通过简单的 SQL 命令与 Hadoop 进行交互。
SQL on Hadoop 的一些应用程序示例包括 Hive、Impala、Drill、Presto、Spark、HAWQ 和 Apache Tajo。
What is Apache Tajo
Apache Tajo 是一个关系型分布式数据处理框架。它旨在实现低延迟和可扩展的临时查询分析。
-
Tajo 支持标准 SQL 和各种数据格式。大多数 Tajo 查询无需进行任何修改即可执行。
-
Tajo 具有 fault-tolerance 针对失败的任务进行重启机制和可扩展查询重写引擎。
-
Tajo 执行必要的 ETL (Extract Transform and Load process) 操作，以汇总存储在 HDFS 上的大型数据集。它是 Hive/Pig 之外的另一种选择。
Tajo 的最新版本提高了与 Java 程序以及第三方数据库（例如 Oracle 和 PostGreSQL）的连接性。
Features of Apache Tajo
Apache Tajo 具有以下功能：
-
超强的可扩展性和优化的性能
-
Low latency
-
User-defined functions
-
Row/columnar storage processing framework.
-
与 HiveQL 和 Hive MetaStore 兼容
-
简单的数据流程和容易维护。
Benefits of Apache Tajo
Apache Tajo 提供了以下好处：
-
Easy to use
-
Simplified architecture
-
Cost-based query optimization
-
Vectorized query execution plan
-
Fast delivery
-
简单的 I/O 机制并支持各种类型的存储。
-
Fault tolerance