基于MPP:
shared nothing架構(gòu)阐斜，主機(jī)衫冻、操作系統(tǒng)、內(nèi)存谒出、存儲都是自我控制的隅俘，不存在共享，每個節(jié)點(diǎn)都是一個單獨(dú)的數(shù)據(jù)庫笤喳。節(jié)點(diǎn)之間的信息交互是通過節(jié)點(diǎn)網(wǎng)絡(luò)實(shí)現(xiàn)为居。數(shù)據(jù)分不到多個節(jié)點(diǎn)來實(shí)現(xiàn)規(guī)模數(shù)據(jù)的存儲，通過并行查詢來提高查詢性能杀狡。
MPP特征：任務(wù)并行執(zhí)行蒙畴，數(shù)據(jù)分布式存儲，分布式計(jì)算呜象，私有資源膳凝，橫向水平擴(kuò)展，shared nothing恭陡。
MPP典型：gp蹬音，presto，impala休玩，sparksql著淆，drill等劫狠，有很好的數(shù)據(jù)量和靈活性支持，但是對響應(yīng)時間是沒有保證的牧抽，當(dāng)數(shù)據(jù)量和計(jì)算復(fù)雜度增加后嘉熊，響應(yīng)時間會變慢遥赚，從秒級到分鐘級扬舒，甚至小時級都有可能。
基于搜索引擎：
elasticsearch凫佛，solr等讲坎，在數(shù)據(jù)入庫時，姜數(shù)據(jù)轉(zhuǎn)化為倒排索引愧薛，采用scatter-gather 計(jì)算模型晨炕，犧牲靈活性獲取很好的查詢性能，在搜索類查詢上能做到亞秒級響應(yīng)毫炉，但是對于掃描聚合為主的查詢瓮栗，隨著處理數(shù)據(jù)量的增加，響應(yīng)退化到分鐘級瞄勾。
基于預(yù)處理：
druid费奸、kylin 在入庫時對數(shù)據(jù)進(jìn)行預(yù)聚合，進(jìn)一步犧牲靈活性換取性能进陡，以實(shí)現(xiàn)對超大數(shù)據(jù)集的秒級響應(yīng)愿阐。
presto、druid趾疚、sparkSQL缨历、kylin可以分為三類。其中presto和spark sql都是解決分布式查詢問題糙麦，提供SQL查詢能力辛孵，但數(shù)據(jù)加載不一定能保證實(shí)時。Druid是保證數(shù)據(jù)實(shí)時寫入赡磅，但查詢上不支持SQL魄缚，或者說目前只支持部分SQL，我個人覺得適合用于工業(yè)大數(shù)據(jù)仆邓，比如一堆傳感器實(shí)時寫數(shù)據(jù)的場景鲜滩。Kylin是MOLAP，就是將數(shù)據(jù)先進(jìn)行預(yù)聚合节值，然后把多維查詢變成了key-value查詢徙硅。
從成熟度來講：kylin>spark sql>Druid>presto
從超大數(shù)據(jù)的查詢效率來看：Druid>kylin>presto>spark sql
從支持的數(shù)據(jù)源種類來講：presto>spark sql>kylin>Druid
