常見OLAP對比
| 數據庫 | 響應時間 | 併發能力 | 社區 | 處理能力 | 分析能力 | 理解 |
|---|---|---|---|---|---|---|
| Impala | 慢 | 低 | 適中 | 支持的數據規模大 | 兼容HQL以及多表join和窗口函數 | 目前通用的解決方案是impala+kudu，mpp架構 |
| Kylin | 快 | 高 | 活躍 | 支持的數據規模大 | 性能高，支持標準SQL | 需要預計算、不支持多表關聯，kylin的數據存儲在hbase中，最新版支持kylin on spark。主要需要構建cube需要消耗時間 |
| Druid | 快 | 高 | 活躍 | 支持的數據規模大 | 性能高，但SQL支持弱 | 不支持adhoc、吃內存（待驗證） |
| ES | 快 | 中 | 活躍 | 支持的數據規模小 | 性能高，但SQL支持弱 | 僅支持單表的分組聚合排序 |
| ClickHouse | 中 | 中 | 不活躍 | 支持的數據規模一般 | 性能中，但SQL支持弱 | 擴展性弱、不支持adhoc |
| Doris | 快 | 中 | 適中 | 支持的數據規模大 | 支持標準SQL，不支持update操作，部分兼容mysql語法 | 不依賴於hadoop生態，也可以通過hdfs導入數據，當前版本支持kafka流式導入，實現mysql通信協議 |
| SnappyData | 快 | 中 | 不活躍 | 支持的數據規模中等 | 完全兼容spark sql,支持update與delete操作 | 穩定性差、存在OOM的風險 |