面向交互式分析的最先进 SQL-on-Hadoop 系统的比较分析
数据库
2018-04-03 v1
摘要
Hadoop 正成为企业中的首要数据枢纽，而 SQL 是事实上的数据分析语言。这一结合导致了当今各种 SQL-on-Hadoop 系统的开发。尽管各类 SQL-on-Hadoop 系统面向同一类分析工作负载，它们不同的架构、设计决策与实现影响着查询性能。在本工作中，我们使用 Web Data Analytics 微基准和 TPC-H 基准在 Amazon EC2 云平台上对四个最先进的 SQL-on-Hadoop 系统（Impala、Drill、Spark SQL 和 Phoenix）进行比较分析。TPC-H 实验结果表明，尽管 Impala 在文本格式下优于其他系统（4.41x - 6.65x），在 parquet 格式下存在权衡，每个系统都在部分查询子集上表现最佳。对执行剖面的全面分析扩展了性能结果，以提供关于性能差异、性能瓶颈和查询执行特征的见解。
引用
@article{arxiv.1804.00224,
title = {A comparative analysis of state-of-the-art SQL-on-Hadoop systems for interactive analytics},
author = {Ashish Tapdiya and Daniel Fabbri},
journal= {arXiv preprint arXiv:1804.00224},
year = {2018}
}