Tajo--一个分布式数据仓库系统（概述）

前言：一直对OS X比较仰慕，刚工作送给自己的第一件大礼就是mac pro，嘿嘿。最近在看一个叫tajo得分布式数据仓库，需要依赖protoc 2.4.1,2.5.0都不work，不知道为啥，我在装2.4.1的时候make不过，报make[2]: *** [message.lo] Error 1这种错误，上网查了需要修改一下message.h代码，贴一下解决办法：

解决办法：修改src/google/protobuf/message.h

#ifdef __DECCXX
// HP C++'s iosfwd doesn't work.
#include <iostream>
#else
#include <sstream>
//#include <iosfwd>
#endif

言归正传，开始介绍一下这个tajo吧。

　　Apache tajo是韩国大学数据库实验室开源的基于YARN的分布式数据仓库，目前是Apache的二级项目。Tajo的设计思想类似于Tenzing，它充分借鉴了MapReduce和DataBase的优势，使其具有Hive的扩展性和容错性好的优点，但同时性能比Hive高不少。Tajo是一个分布式数据仓库系统，基于Hadoop实现，特点是低延迟、高可伸缩，提供专用查询和ETL工具。主要由如下特点：

1、 可伸缩性和低延迟

完全分布式的 SQL 查询处理，基于存储于 HDFS 的大数据集

超低响应时间（约100毫秒），在合理数据范围内的简单查询

支持长时间运行的查询

容错支持，避免某些任务失败后的查询重启

动态调度，处理和异构集群节点故障

2、 ETL

ETL 可实现不同数据格式之间的转换

支持多种文件格式，如 CSV、RCFile 和 RowFile

3、 扩展性

支持用户自定义函数

提供自定义文件格式的 Scanner/Appender 接口

4、 兼容性

遵循 ANSI/ISO SQL 标准，非标准方面遵循 PostgreSQL 规范

支持 HiveQL 模式

在 HCatalog 和 Hive MetaStore 实现表访问

支持 JDBC 驱动

5、 简单

提供交互式 Shell 来提交 SQL 查询到 Tajo 集群

提供备份和恢复工具

异步/同步 Java API 来提交 SQL 查询到 Tajo 集群