根据一个新的基准，三个领先的SQL-On-Hadoop发动机 - Apache Impala 2.3，Apache Spark 1.6和Apache Hive 1.2 - 所有这些都具有独特的优势和劣势，使它们非常适合一些商业智能（BI）用例和不太适合别人。
“结论确实是一台发动机不符合所有要求，”戴夫玛利亚尼说，首席执行官和创始人说Atscale.，一个专门从事Hadoop上启用BI的启动。“我们在我们的部署中所做的内容，是我们的客户，是插入多个发动机。”
为Hadoop基准上的商业智能，Atscale旨在帮助技术评估人员选择BI用例的最佳SQL-On-Hadoop技术。Atscale的测试团队使用了Star Schema基准（SSB）基于广泛使用的TPCH数据的数据集进行了修改，以更准确地代表典型的面向bi的数据布局。该数据集允许测试团队跨大型表测试查询:lineorder表包含近60亿行，而大型客户表包含超过10亿行。
hadoop上的sql引擎有不同的“甜蜜点”工作负载
Mariani解释说，AtScale考察了三个关键需求，以评估SQL-on-Hadoop引擎及其满足BI工作负载的适用性:
- 执行大数据。SQL-On-Hadoop引擎必须能够始终如一地分析数十亿或十万亿数据而不产生错误，并且在10S或100秒的订单上的响应时间。
- 快速在小数据上。该引擎需要在已知的查询模式下提供交互式性能，因此，SQL-on-Hadoop引擎返回的重要事项在小数据集上不超过几秒钟（大约数千万或数百万行）。
- 对许多用户稳定。企业BI用户基础由数百甚至数千个数据工作人员组成。底层的SQL-On-Hadoop引擎必须在高度并发的分析工作负载下可靠地执行。
Mariani致力于建立世界上最大的奥拉普立方体在雅虎的努力！他认为，他认为这三个标准是主要要求，在Hadoop上的平均企业将必须满足。从测试团队的经验中汲取标准，在金融服务，医疗保健，零售，电信等行业的大量公司工作。
“我们使用真实的企业体验来制作一个文件，即每位技术评估者都可以作为评估过程的一部分，”Atscale产品管理副总裁Josh Klahr添加。
测试团队发现，所有三个发动机都通过了测试，并且足够稳定，以支持BI工作负载，但是一个发动机不适合所有需求。每个人都有自己的“甜蜜点”，而企业可能会发现所有引擎的混合使用可能是最合适的目标。
[相关:Tableau合作伙伴在Hadoop上]
虽然Hive通常被认为是SQL-On-Hadoop的默认值，但它远远地远离了基准中的发动机最慢，使其适合交互式查询。
“如果您想专门使用蜂巢TEZ作为您的交互式查询引擎，您将要做的最好的是2.4秒，”Mariani说。
但是，虽然它可能很慢，但蜂巢也是三个发动机最稳定的，跨多种查询类型的最佳一致性。
“蜂巢Tez是乌龟，”Mariani增加了。“它将永远完成比赛，但不是壮观，快速的时尚。这是最可靠的。”
另一方面，Impala和Spark在处理较小的数据集时表现最好。Impala在所有工作负载上都超过了Spark，但Mariani指出，Spark 1.6在性能上比Spark 1.5有了巨大的提升，他预计这一趋势将继续下去，因为Spark吸引了大量关注其开发的开源社区。Cloudera最近提议将Impala捐赠给Apache软件基金会，这也可能为它的发展提供额外的动力。
[相关:MapR的目标是将hadoop上的sql提升到一个新的水平]
目前，Impala是需要大量用户的使用案例的国王。
“普通峡击屁股谈到并发时，”玛丽安娜说。“如果你要拥有一堆运行小，快速查询的用户，那么Impala就是比火花更好的选择。”
他补充道:“如果速度不是优先考虑的因素，而是稳定性和可靠性，我会选择Hive Tez作为我的数据管道引擎。”“对于那些大批量的工作量，我会选择Hive Tez。如果我想让我的BI用户访问我的仓库，我会选择Spark或Impala。”
Mariani指出，虽然该团队没有对Apache Drill或Apache Presto等其他引擎进行基准测试，但他们将在下次测试中进行测试。
他说:“在释放和释放之间，你永远不知道谁会是一匹更好的马。”
这个故事，“如何不同的SQL-On-Hadoop引擎满足BI工作负载”最初发布首席信息官 。