開源大數據OLAP組件，可以分爲MOLAP和ROLAP兩類。ROLAP中又可細分爲MPP數據庫和SQL引擎兩類。對於SQL引擎又可以再細分爲基於MPP架構的SQL引擎和基於通用計算框架的SQL引擎：
- MOLAP一般對數據存儲有優化，並且進行部分預計算，因此查詢性能最高。但通常對查詢靈活性有限制。
- MPP數據庫是個完整的數據庫，通常數據需要導入其中才能完成OLAP功能。MPP數據庫在數據入庫時對數據分佈可以做優化，雖然入庫效率有一定下降，但是對後期查詢性能的提高有很大幫助。MPP數據庫可以提供靈活的即席查詢能力，但一般對查詢數據量有一定限制，無法支撐特別大的數據量的查詢。
- SQL引擎只提供SQL執行的能力，本身一般不負責數據存儲，通常可以對接多種數據儲存，如HDFS、HBase、MySQL等。有的還支持聯邦查詢能力，可以對多個異構數據源進行聯合分析。SQL引擎中，基於MPP架構的SQL引擎，一般對在線查詢場景有特殊優化，所以端到端查詢性能一般要高於基於通用計算框架的SQL引擎；但是在容錯性和數據量方面又會遜於基於通用計算框架的SQL引擎。
總之，可以說沒有一個OLAP系統能同時在處理規模，靈活性和性能這三個方面做到完美，用戶需要基於自己的需求進行取捨和選型。
對比差異
- SparkSQL是Hadoop中另一個著名的SQL引擎，它以Spark作爲底層計算框架，Spark使用RDD作爲分佈式程序的工作集合，它提供一種分佈式共享內存的受限形式。在分佈式共享內存系統中，應用可以向全局地址空間的任意位置進行讀寫作，而RDD是隻讀的，對其只能進行創建、轉化和求值等作。這種內存操作大大提高了計算速度。SparkSql的性能相對其他的組件要差一些，多表單表查詢性能都不突出。
- Impala官方宣傳其計算速度是一大優點，在實際測試中我們也發現它的多表查詢性能和presto差不多，但是單表查詢方面卻不如presto好。而且Impala有很多不支持的地方，例如：不支持update、delete操作，不支持Date數據類型，不支持ORC文件格式等等，所以我們查詢時採用parquet格式進行查詢，而且Impala在查詢時佔用的內存很大。
- Presto綜合性能比起來要比其餘組件好一些，無論是查詢性能還是支持的數據源和數據格式方面都要突出一些，在單表查詢時性能靠前，多表查詢方面性能也很突出。由於Presto是完全基於內存的並行計算，所以presto在查詢時佔用的內存也不少，但是發現要比Impala少一些，比如多表join需要很大的內存，Impala佔用的內存比presto要多。
- HAWQ 吸收了先進的基於成本的 SQL 查詢優化器，自動生成執行計劃，可優化使用hadoop 集羣資源。HAWQ 採用 Dynamic pipelining 技術解決這一關鍵問題。Dynamic pipelining 是一種並行數據流框架，利用線性可擴展加速Hadoop查詢，數據直接存儲在HDFS上，並且其SQL查詢優化器已經爲基於HDFS的文件系統性能特徵進行過細緻的優化。但是我們發現HAWQ在多表查詢時比Presto、Impala差一些；而且不適合單表的複雜聚合操作，單表測試性能方面要比其餘四種組件差很多，hawq環境搭建也遇到了諸多問題。
- ClickHouse 作爲目前所有開源MPP計算框架中計算速度最快的，它在做多列的表，同時行數很多的表的查詢時，性能是很讓人興奮的，但是在做多表的join時，它的性能是不如單寬表查詢的。性能測試結果表明ClickHouse在單表查詢方面表現出很大的性能優勢，但是在多表查詢中性能卻比較差，不如presto、impala、hawq的效果好。
- GreenPlum作爲關係型數據庫產品，它的特點主要就是查詢速度快，數據裝載速度快，批量DML處理快。而且性能可以隨着硬件的添加，呈線性增加，擁有非常良好的可擴展性。因此，它主要適用於面向分析的應用。比如構建企業級ODS/EDW，或者數據集市等，GREENPLUM都是不錯的選擇。
參考
https://cloud.tencent.com/developer/article/1765580