常见OLAP对比
| 数据库 | 响应时间 | 并发能力 | 社区 | 处理能力 | 分析能力 | 理解 |
|---|---|---|---|---|---|---|
| Impala | 慢 | 低 | 适中 | 支持的数据规模大 | 兼容HQL以及多表join和窗口函数 | 目前通用的解决方案是impala+kudu，mpp架构 |
| Kylin | 快 | 高 | 活跃 | 支持的数据规模大 | 性能高，支持标准SQL | 需要预计算、不支持多表关联，kylin的数据存储在hbase中，最新版支持kylin on spark。主要需要构建cube需要消耗时间 |
| Druid | 快 | 高 | 活跃 | 支持的数据规模大 | 性能高，但SQL支持弱 | 不支持adhoc、吃内存（待验证） |
| ES | 快 | 中 | 活跃 | 支持的数据规模小 | 性能高，但SQL支持弱 | 仅支持单表的分组聚合排序 |
| ClickHouse | 中 | 中 | 不活跃 | 支持的数据规模一般 | 性能中，但SQL支持弱 | 扩展性弱、不支持adhoc |
| Doris | 快 | 中 | 适中 | 支持的数据规模大 | 支持标准SQL，不支持update操作，部分兼容mysql语法 | 不依赖于hadoop生态，也可以通过hdfs导入数据，当前版本支持kafka流式导入，实现mysql通信协议 |
| SnappyData | 快 | 中 | 不活跃 | 支持的数据规模中等 | 完全兼容spark sql,支持update与delete操作 | 稳定性差、存在OOM的风险 |