分布式数据仓库系统：Apache Tajo

Tajo 是一个基于 hadoop 实现的分布式数据仓库系统，特点是低延迟、高可伸缩，提供专用查询和针对存储在HDFS上的大数据集和其他数据源的ETL 工具。

特点：

• 可伸缩性和低延迟
  • 完全分布式的 SQL 查询处理，基于存储雨 HDFS 的大数据集
  • 超低响应时间（约100毫秒），在合理数据范围内的简单查询
    
• 支持长时间运行的查询
  • 容错支持，避免某些任务失败后的查询重启
  • 动态调度，处理和异构集群节点故障
    
• ETL
  • ETL 可实现不同数据格式之间的转换
  • 支持多种文件格式，如 CSV、RCFile 和 RowFile
    
• 扩展性
  • 支持用户自定义函数
  • 提供自定义文件格式的 Scanner/Appender 接口
    
• 兼容性
  • 遵循 ANSI/ISO SQL 标准，非标准方面遵循 PostgreSQL 规范
  • 支持 HiveQL 模式
  • 在 HCatalog 和 Hive MetaStore 实现表访问
  • 支持 JDBC 驱动
    
• 简单
  • 提供交互式 Shell 来提交 SQL 查询到 Tajo 集群
  • 提供备份和恢复工具
  • 异步/同步 Java API 来提交 SQL 查询到 Tajo 集群