上次聊的是開源大數據存儲引擎，數據既然存儲了就要使用，因此查詢與分析就是面向業務應用的能力呈現。
伴隨著開源軟體的深化發展，今天的查詢系統如果僅支持SQL引擎那就太OUT了，因為數據的膨脹、查詢的複雜度、查詢響應時間、系統訪問並發量等諸多因素，致使我們在查詢引擎的技術選型上必須長遠考慮，構建一個能夠支撐混合查詢負載的生態環境是必須的。
舉個例子——用戶標籤、用戶特徵庫
移動網際網路時代，不論網際網路公司還是傳統企業，都將用戶作為企業最為寶貴的資產。這裡面一方面是捕獲流量、拉新，甭管什麼渠道來，只要用戶註冊或活躍即可，用戶數量的多少從某種層面上決定了這個企業的價值。另一方面就是洞察用戶的行為偏好，了解用戶特徵，既包括粗粒度的「愛購物、愛電影、愛吃」，也包括細粒度的「愛LV、愛美劇、愛中餐」，所以後者就是這個場景中所談到的——標籤庫。
標籤庫是一個非常典型的貫穿業務流程的場景，首先要基於各域數據源（客戶管理系統、產品訂購系統、渠道管理系統、運營服務系統等）從企業生產系統中採集並捕獲數據，然後結合標籤規則去處理、建模，作業涉及到指標的計算，最終形成各類標籤。當然還要考慮標籤的存儲，涉及到存儲方式、存儲類型、存儲結構，這是存儲引擎要考慮的事情。最重要的是後續，業務人員要根據業務需求去使用標籤、定位標籤信息，這個過程就涉及到標籤數據的查詢，這是典型的查詢/搜尋引擎要關注的對象。
針對上述場景示例，其實貫穿了大數據的很多關鍵技術點，每個技術點都可以展開細粒度的剖析，但本文既然說查詢引擎，那麼更聚焦於客戶標籤最後如何使用。
某些場景，可能只是做個帶where條件的簡單查詢，不需要後端太多的計算和分析； 某些場景，可能查詢後需要再次與業務人員交互，基於查詢結果再次篩選或關聯，甚至實時分析； 某些場景，可能需要把用戶群篩選出來做個匹配，這裡面涉及到標籤分類、用戶群管理、匹配規則等，而這卻需要大量的運算和關聯分析；
所以針對每種查詢場景，對相應技術指標的要求不盡相同，這是考驗查詢引擎技術特性和能力的時刻。
本篇羅列了幾種常用的開源查詢/搜尋引擎，每種技術都有自己特點，通過雷達圖可以粗略了解。需要說明的是，查詢引擎和搜尋引擎也屬於不同的範疇，前者更注重複雜查詢、交互式分析和對SQL的支持，而後者由於對索引支持較好，因此簡單查詢和實時檢索的效果會非常突出。
SparkSQL是Spark生態圈的查詢組件，與Spark/Hadoop有極強的兼容性，且對SQL標準的支持度較好，是今天搞開源技術棧必不可少的查詢組件；
Presto與Hive一樣，都是Facebook開源的優秀產品，其實時交互式查詢分析性能卓越、支持SQL2003標準、靈活的Connector開發能力，與其他子系統的兼容性非常好；
Impala是Cloudera開源的查詢引擎（開源版本性能差，付費版本性能出色），最初它的出現似乎就是為了替代MPP資料庫的查詢能力，高並發、高效率；
Solr是一個高性能、非常出色的搜尋引擎，採用Java5開發，基於Lucene的全文搜索伺服器，並同時對其進行了擴展，提供了比Lucene更為豐富的查詢語言；
ElasticSearch也是一個基於Lucene的搜索伺服器，它提供了一個分布式多用戶能力的全文搜尋引擎，基於RESTful web接口，相對於文本解析、分詞支持度極強；
簡單做個歸類，對於簡單查詢：presto、impala性能出眾；對於帶條件的查詢：presto、impala性能更強；對於大數據量數據分析：impala不穩定，presto比sparksql略快；對於海量數據複雜分析：impala、presto性能差不多，sparksql略慢；對於實時搜索推薦ElasticSearch——基於檢索技術，提供語義分析和查詢能力……僅作參考，畢竟在實際應用中，更適合自己的才是最好的。
這就是大數據時代查詢分析域的主要技術，介紹到這裡，周末愉快！