Tajo

Apache Tajo 是一个健壮的 Hadoop 大数据关系型与分布式数据仓库系统，常用于低延迟、可伸缩的点对点查询、在线聚合，以及存储在 HDFS 等数据源的大数据集的提取—转换—装载。它通过对 SQL 标准的支持提供优化的查询执行。

核心功能

• 完全的分布式 SQL 查询处理引擎，支持交互式分析。
• 高级查询优化，如基于成本与渐进式优化。
• 容错性与长时间运行查询的动态调度。
• 核外算法支持比主内存更大的数据集。
• 遵从 ANSI / ISO SQL 标准。
• 支持 Hive MetaStore 访问与 JDBC 驱动。
• 支持 CSV、JSON、RCFile、SequenceFile、ORC、Parquet 等格式。
• 提供用户定义函数、交互外壳与异步/同步 Java API。

适用场景

适用于在 Hadoop 上构建低延迟 SQL 数据仓库与即席查询的场景。对需要标准 SQL 接口访问 HDFS 大数据的分析团队较为合适。

技术规格与支持平台

• Apache Tajo
• SQL/Java
• Hadoop 生态
• 授权形态：商业软件（需授权使用）