主流开源OLAP对比分析

数据库按照应用场景划分可以分为OLTP和OLAP，OLTP是针对交易型的场景比如像银行的存取款、转账类业务，OLAP是针对分析型的场景比如用于企业决策支持的BI、报表类业务。
而在OLAP领域，又可以根据具体技术实现分为MOLAP及ROLAP。MOLAP是基于多维分析的OLAP系统，一般对存储有优化，进行部分预计算，查询性能最高，但查询灵活性有限制。ROLAP是更偏向传统关系型的OLAP系统，ROLAP又分为两类：一类是MPP数据库，另一类是SQL引擎。MPP数据库是完整的数据库，一般需要把数据导入到库中进行OLAP分析，入库时对数据分布进行优化，进而获得后期查询性能的提升，提供灵活的即席查询能力，但无法支持超大数据量的查询。SQL引擎只提供SQL执行能力，不负责具体的数据存储。

目前主流的开源OLAP产品按照此分类主要有以下产品：

以下针对以上几种开源组件分别进行概要的介绍说明，并进行相关特性的对比。

MOLAP

Kylin

Apache Kylin™是一个开源的、分布式的分析型数据仓库，提供 Hadoop 之上的 SQL 查询接口及多维分析（OLAP）能力以支持超大规模数据，最初由eBay Inc.开发并贡献至开源社区。Kylin的核心思想是预计算，理论基础是：以空间换时间。即将多维分析可能用到的度量进行预计算，将计算好的结果保存成Cube并存储到HBase中，供查询时直接访问。把高复杂度的聚合运算，多表连接等操作转换成对预计算结果的查询。最新版本的Apache Kylin4.0采用了全新的 Spark 构建引擎和 Parquet 作为存储，同时使用 Spark 作为查询引擎。
Kylin的架构图如下：

优点：

1. 亚秒级查询响应；
2. 支持百亿、千亿甚至万亿级别交互式分析；

缺点：

1. 不支持 insert, update, delete 等 SQL 操作，用户修改数据的话需要重新批量导入（构建）；
2. 需要预先建立模型后加载数据到 Cube 后才可进行查询

Druid

Apache Druid是高性能的实时分析数据库，主要提供对大量的基于时序的数据进行OLAP查询能力。支持毫秒级的快速的交互式查询。Druid的核心设计结合了数据仓库、时间序列数据库和搜索系统的思想，适用于多种场景的高性能数据实时分析。
Druid的架构图如下：
优点：

1. 为分析而设计：为OLAP工作流的探索性分析而构建。它支持各种filter、aggregator和查询类型。
2. 交互式查询：低延迟数据摄取架构允许事件在它们创建后毫秒内查询。
3. 高可用：数据在系统更新时依然可用、可查询。规模的扩大和缩小不会造成数据丢失。
4. 可伸缩：每天处理数十亿事件和TB级数据。

缺点：

1. 不支持更新操作，数据不可更改
2. 不支持事实表之间的关联

对比Kylin:

• 都是cube预计算
• 支持流式更灵活
• Kylin 利用 Hadoop/HBase 做计算和存储，使用 SQL 查询，提供 JDBC/ODBC 驱动与常见 BI 工具集成
• Druid 有自己独立的分布式集群，能够实时摄入数据，有自己的查询接口（与BI兼容性较弱），通常多用于实时要求高的场景

ROLAP

Greeplum

GreenPlum是基于PostgreSQL的开源MPP数据库，具有良好的线性扩展能力，具有高效的并行运算和并行存储特性。
GreenPlum的架构图如下：