Apache Tajo™：Hadoop上的大数据仓库系统

Apache Tajo是Apache Hadoop的强大大数据关系和分布式数据仓库系统。Tajo 专为存储在 HDFS（Hadoop 分布式文件系统）和其他数据源上的大数据集上的低延迟和可扩展的即席查询、在线聚合和 ETL（提取-转换-加载过程）而设计。通过支持 SQL 标准并利用高级数据库技术，Tajo 允许跨各种查询评估策略和优化机会直接控制分布式执行和数据流。

特征

• 快速高效
  • 完全分布式的 SQL 查询处理引擎
  • 高级查询优化，例如基于成本的查询优化和渐进式查询优化
  • 对合理数据集的交互式分析
• 可 伸缩
  • 长时间运行的查询的容错和动态调度
  • 用于大于主内存的数据集的核外算法
• 相容
  • ANSI/ISO SQL 标准合规性
  • Hive 元存储访问支持
  • JDBC 驱动程序支持
  • 支持各种文件格式，如CSV，JSON，RCFile，SequenceFile，ORC和Parquet
• 容易
  • 用户定义的函数
  • 交互式外壳
  • 方便的备份/还原实用程序
  • 异步/同步 Java API