Apache Tajo - 分布式数据仓库系统


Apache
跨平台
Java

软件简介

Tajo 是一个分布式数据仓库系统,基于 Hadoop
实现,特点是低延迟、高可伸缩,提供专用查询和 ETL 工具

特点:

  • 可伸缩性和低延迟

    • 完全分布式的 SQL 查询处理,基于存储雨 HDFS 的大数据集

    • 超低响应时间(约100毫秒),在合理数据范围内的简单查询

  • 支持长时间运行的查询

    • 容错支持,避免某些任务失败后的查询重启

    • 动态调度,处理和异构集群节点故障

  • ETL

    • ETL 可实现不同数据格式之间的转换

    • 支持多种文件格式,如 CSV、RCFile 和 RowFile

  • 扩展性

    • 支持用户自定义函数

    • 提供自定义文件格式的 Scanner/Appender 接口

  • 兼容性

    • 遵循 ANSI/ISO SQL 标准,非标准方面遵循 PostgreSQL 规范

    • 支持 HiveQL 模式

    • 在 HCatalog 和 Hive MetaStore 实现表访问

    • 支持 JDBC 驱动

  • 简单

    • 提供交互式 Shell 来提交 SQL 查询到 Tajo 集群

    • 提供备份和恢复工具

    • 异步/同步 Java API 来提交 SQL 查询到 Tajo 集群