informix sql查询软件_SQL无处不在，无所不能

数据分析领域常常听说SQL，相信很多数据分析师或多或少都接触过SQL。 但我可以肯定的是，我们一直低估了SQL的存在，低估了SQL的应用场景。 SQL无处不在，多场景多应用：数仓，BI，实时，搜索等

SQL-on-关系型数据库：不止于关系数据库

SQL 是一门 ANSI 的标准计算机语言，用来访问和操作数据库系统。SQL 语句用于取回和更新数据库中的数据。 SQL 可与数据库程序协同工作，比如 MS Access、DB2、Informix、MS SQL Server、Oracle、Sybase 以及其他数据库系统。

SQL-on-Hadoop: Apache Hive

Hive是原始的SQL-on-Hadoop解决方案。它是一个开源的Java项目，能够将SQL转换成一系列可以在标准的Hadoop TaskTrackers上运行的MapReduce任务。 Hive通过一个metastore存储表模式、分区和位置。它支持大部分MySQL语法，同时使用相似的 database/table/view约定组织数据集。 当然，还有很多低延迟SQL-on-Hadoop解决方案，类似impala，presto,drill等。

SQL-on-kylin:Apache Calcite

Apache Kylin 使用 Apache Calcite 做 SQL 解析和优化。 作为一款 OLAP 引擎, Kylin 支持 SELECT 操作，而不支持其它操作例如 INSERT，UPDATE 和 DELETE，因此 Kylin 的 SQL 语法是 Apache Calcite 支持语法的一个子集。

SQL-on-redis:rediSQL

可能最早让sql落到redis上的，应该是spark sql 吧，让redis作为spark的rdd，但这里说到的是另外一个通过module实现的sql on redis。 这牛的东西，值得我们去学习和探索，让SQL之光照耀每一个角落。

SQL-on-HBase: Phoenix

Phoenix是构建在HBase上的一个SQL层，是内嵌在HBase中的JDBC驱动，能够让用户使用标准的JDBC来操作HBase。 Phoenix使用JAVA语言进行编写，其查询引擎会将SQL查询语句转换成一个或多个HBase Scanner，且并行执行生成标准的JDBC结果集。如果需要对HBase进行复杂的操作，那么应该使用Phoenix，其会将SQL语句转换成HBase相应的API。 当然，方法不是唯一的，Trafodion一样可以实现SQL-on-HBase

SQL-on-Elasticsearch:X-Pack SQL

Elasticsearch包含一个X-Pack SQL插件，旨在提供功能强大但轻量级的SQL接口，实时执行类SQL的查询。 无论是使用REST接口，命令行还是JDBC，任何客户端都可以使用SQL在Elasticsearch中实现搜索和聚合数据。 可以将Elasticsearch SQL视为一个翻译器，它既能理解SQL又能理解Elasticsearch DSL，并且利用Elasticsearch实现大规模实时读取和处理数据。 当然，也有Apache Calcite

SQL-on-Storm:EasyCount

EasyCount使用SQL描述业务的实时计算的需求，并将SQL转化为基于storm的topology。相对于传统SQL，实时SQL面临诸多挑战，EasyCount通过不同的方法给出自己的解决方案。 不同于传统数据库的SQL任务式运行(有生命周期)，EC-SQL是一个持续运行的实例，也就是说一旦提交，就会一直持续不断的运行，除非人为终止，否则不会停止。 EC-SQL是运行在Storm-Yarn之上的，这对于不同业务之间进行资源隔离，任务平衡调度非常有益。

SQL-on-Flink: Flink SQL

Flink SQL是Flink系统内部最高级别的API，也是流批一体思想的集大成者。用户可以通过简单明了的SQL语句像查表一样执行流任务或批任务，屏蔽了底层DataStream/DataSet API的复杂细节，降低了使用门槛。 值得赞扬的是Apache Zeppelin解决Flink SQL平台化的问题。

SQL-on-Kafka: KSQL

KSQL，这是面向Apache Kafka的一种数据流SQL引擎。KSQL降低了数据流处理这个领域的准入门槛，为使用Kafka处理数据提供了一种简单的、完全交互的SQL界面。 KSQL具有这些特点： 开源(采用Apache 2.0许可证)、分布式、可扩展、可靠、实时。 它支持众多功能强大的数据流处理操作，包括聚合、连接、加窗等等。 一句话：掌握SQL利器，可以走遍数据天下 推荐阅读： 最优路径：SQL基本功数据模型：数据大师们的纷争宁缺毋滥：数据质量第一