presto、sparksql、druid、kylin、clickhouse是什么

小編給大家分享一下presto、sparksql、druid、kylin、clickhouse是什么，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

presto和sparksql只是計算引擎，不做數(shù)據(jù)存儲

相對于sparksql，presto是純內(nèi)存計算，盡量使用整個集群中的內(nèi)存，sparksql依賴于分配的executor數(shù)量，在executor內(nèi)存不足時會落盤；

相對于sparksql，presto啟動執(zhí)行更迅速，sparksql要依賴yarn調(diào)度資源；

相對于sparksql，presto帶有分頁功能，在分頁查詢時更有優(yōu)勢；

相對于presto，sparksql運行更穩(wěn)定，presto會經(jīng)常出現(xiàn)oom；

druid、kylin、clickhouse都是存儲加計算引擎

druid和kylin更適合預聚合場景，其中druid是時序數(shù)據(jù)庫，對所有維度列枚舉值建立bitmap索引，所以維度枚舉值如果較多的話，數(shù)據(jù)膨脹會比較厲害；kylin是通過MapReduce任務枚舉維度組合，每一種維度組合對應一張hbase表，維度組合值為主鍵，通過hbase rowkey實現(xiàn)快速訪問，因為實現(xiàn)要指定維度組合情況，所以kylin適合業(yè)務場景比較固定的情況，這也是hbase的特點，通過單一的key查詢數(shù)據(jù)。

clickhouse可以對數(shù)據(jù)分區(qū)，建立主鍵，對命中主鍵的明細數(shù)據(jù)聚合查詢較快，這種對于一些維度枚舉值較多的數(shù)據(jù)比較適合，沒有數(shù)據(jù)膨脹

結論

druid和kylin主要針對預聚合場景，因此查詢較快，qps較高，但是因為數(shù)據(jù)做了聚合，無法查看明細數(shù)據(jù)，不支持join；clickhouse、presto、sparksql主要是掃描原始數(shù)據(jù)，實時聚合，因此查詢較慢，qps較低，但是clickhouse有主鍵索引，數(shù)據(jù)都存在本地，因此查詢速度明顯快于presto和sparksql，但是presto、sparksql join性能更好

看完了這篇文章，相信你對“presto、sparksql、druid、kylin、clickhouse是什么”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業(yè)資訊頻道，感謝各位的閱讀！