对比目前流行的几个大数据查询引擎：Hive、SparkSQL、Presto、Impala、HAWQ、 ClickHouse、Greenplum。

1 Hive

1.1 介绍

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并

提供完整的sql查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，

可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适

合数据仓库的统计分析。

Hive是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据

提取转化加载（

ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。

Hive 定义了简单的类 SQL 查询语言，称为 HQL，它允许熟悉 SQL 的用户查询数据。同时，

这个语言也允许熟悉 MapReduce 开发者的开发自定义的 Mapper 和 Reducer 来处理内建的

Mapper 和 Reducer 无法完成的复杂的分析工作。

1.2 性能

Hive相对于其他查询引擎来说性能一般，主要的优势体现在系统负载低、稳定性高、数据格式

支持面广、社区活跃度高，可以为其他多款查询引擎提供底层元数据，SparkSql、Presto、Impala、

HAWQ等都支持基于Hive的查询。

成本低、稳定性好，生态兼容性好，因此Hive在企业中应用的较多。

2 SparkSQL

2.1 介绍

SparkSQL是Hadoop中另一个著名的SQL引擎，它以Spark作为底层计算框架，Spark使用RDD

作为分布式程序的工作集合，它提供一种分布式共享内存的受限形式。 在分布式共享内存系统中，

应用可以向全局地址空间的任意位置进行读写操作，而RDD是只读的，对其只能进行创建、转化和

求值等操作。这种内存操作大大提高了计算速度。

SparkSQL作为Spark生态的一员继续发展，而不再受限于Hive，只是兼容Hive。可以利用hive

作为数据源，Spark作为计算引擎，通过SQL解析引擎，实现基于Hive数据源，Spark作为计算引擎

的方案。

2.2 性能