知识卡片
MPP交互查询
本章早期Impala和Presto通过并行片段及进程间数据流执行查询,减少MR作业边界与中间落盘开销。代价是运行状态、内存及网络协作更紧,故障恢复设计需另行比较。这里说明历史机制取舍,不把早期恢复能力写成当前产品的永久限制。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 交互式数据分析 · 查看原书依据
从Presto的架构来看,其和Impala比较类似(协调器类似于Impala中的Impalad,查询计划类似于Impalad中的Query Planner,调度器类似于Impalad中的Query Coordinator,worker类似于Impalad中的Query Executor),都是借鉴了MPP并行数据库的思路来替代Hive中的MR任务以加快查询执行速度。
参考来源
- 位置:《大数据日知录:架构与算法》第13章《交互式数据分析》(来源项目:book-sources;源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00018.html)
- 结论依据:原文在本章对MPP交互查询给出的定义、机制或示例支持本卡;技术产品描述限于2014年书中版本,示例与实测区分。
- 原始内容:从Presto的架构来看,其和Impala比较类似(协调器类似于Impala中的Impalad,查询计划类似于Impalad中的Query Planner,调度器类似于Impalad中的Query Coordinator,worker类似于Impalad中的Query Executor),都是借鉴了MPP并行数据库的思路来替代Hive中的MR任务以加快查询执行速度。