| 摘要：Hadoop的诞生是划时代的数据变革，但关系数据库时代的存留也为Hadoop真正占领数据库领域埋下了许多的障碍。对SQL(尤其是PL/SQL)的支持一直是Hadoop大数据平台在接手旧数据时代时亟待解决的问题。Hadoop对SQL数据库的支持度一直是企业用户最关心的诉求点之一，也是他们选择的Hadoop平台的重要标准。 |
Hadoop的诞生是划时代的数据变革，但关系数据库时代的存留也为Hadoop真正占领数据库领域埋下了许多的障碍。对SQL(尤其是PL/SQL)的支持一直是Hadoop大数据平台在接手旧数据时代时亟待解决的问题。Hadoop对SQL数据库的支持度一直是企业用户最关心的诉求点之一，也是他们选择的Hadoop平台的重要标准。
本次的中国Hadoop技术峰会在SQL on Hadoop领域设有专门的分论坛，表示出了主办方及业界对这一问题的重视。幸运的是，在七月二十三日下午的分论坛上，我们也的确看到了当前中国Hadoop技术在这方面已取得了突破性的进展。
此次的分论坛，Facebook、惠普、MapR、星环科技等多家业内巨头在SQL on Hadoop领域进行业内的分享与比拼，这也是这些公司首次在SQL领域的研究上同台竞技。
当日下午，星环科技首席工程师陈振强博士题为《 A comparison study of SQL on Hadoop engines》对当前五种SQL on Hadoop引擎进行了性能与兼容性各方面的比较，一时间高下立判，引来众多关注。
陈博士比较的五种引擎分别是Cloudera的Impala、Hontonworks的Tez、星环科技的Inceptor、Spark SQL和Pivotal的Greenplum。
首先在对SQL的支持上，Inceptor和Greenplum对于SQL的支持都超过了其余三种引擎，星环的Inceptor引擎则是达到了SQL2003和PL/SQL的全面兼容。
随后他又展示了在TPC-DS系统测试基准的99个测试案例中，星环Inceptor与Pivotal Greenplum理论通过数都是99个，处于领先地位。但在实际运行中，Inceptor全数通过，Pivotal Greenplum则有4个出错，实际通过数为95个。星环Inceptor引擎改进了内存计算引擎Spark，内存的使用更加合理，所以稳定性高，TPC-DS 99个SQL的连续测试中都能够正确运行，而不会象其它引擎一样出现Out of memory的情况。
在性能优化方面，星环Inceptor引擎实现了CBO(基于代价的优化)，并为之添加了几百种优化规则，如Join顺序优化、过滤条件前置等等，通过这些优化规则Inceptor引擎可以得到非常高率的逻辑执行计划。陈博士以TPC-DS中的Query3为例介绍了CBO的优化效果，Query3的原始的Join顺序为date_dim(小表)，store_sales(大表)，item(小表)。store_sales与date_dim的过滤率为1/6左右，store_sales与item的过滤率为1/1000左右。通过CBO优化后的Join顺序为store_sales， item，date_dim，比没有CBO优化性能提升5倍以上。
星环Inceptor引擎还实现了代码生成器(Code Generator)，其中实现了Constant folding、loop unrolling、loop invariant host、CSE等传统编译器中的优化方法，使得表达式的计算更加高效。在TPC-DS测试中，Inceptor引擎表达式的计算性能与基于C++实现的Impala引擎相当，有些SQL性能甚至更好。
此外，星环Inceptor引擎基于Spark的DAG进行了减少shuffle的优化，使得计算的stage更少、效率更高。
正是有了如此多的优化，在TPC-DS基准测试中，星环Inceptor引擎的性能比类MPP引擎Impala提升2.7倍，比Map/Reduce改进引擎Tez提升4.7倍，比开源的SparkSQL提升5.5倍，比MPP引擎GP提升3.3倍。
领军去IOE时代，自主研发先行者
总结来说，在SQL支持上，星环Inceptor遥遥领先，而计算引擎框架渐渐趋同，优化效果各有不同。最后，陈振强博士还提到，国内政策目前对中国IT行业去IOE有着迫切的要求，但在技术和引擎上的弱势或者极差的兼容性都将对去IOE造成阻碍。而星环科技自主研发Inceptor，在兼容效果和性能表现上的优异都可与国外同行比肩，可以说，为国内IT业去IOE的自主化研发带来的希望与成功的曙光。
评论表单加载中...
