Daftar Isi:
SQL on Hadoop adalah sekelompok alat aplikasi analitis yang menggabungkan permintaan gaya SQL dan pemrosesan data dengan elemen kerangka kerja data Hadoop terbaru. Munculnya SQL on Hadoop adalah pengembangan penting untuk pemrosesan data besar karena memungkinkan kelompok orang yang lebih luas untuk berhasil bekerja dengan kerangka kerja pengolahan data Hadoop dengan menjalankan query SQL pada volume besar data besar yang diproses oleh Hadoop. Jelas, kerangka kerja Hadoop sebelumnya tidak dapat diakses oleh orang-orang, terutama dalam hal kemampuan querynya. Berdasarkan pengembangan, beberapa alat telah dalam pekerjaan yang menjanjikan untuk meningkatkan produktivitas perusahaan ketika datang untuk memproses dan menganalisis data besar dengan kualitas dan kecepatan. Juga tidak perlu banyak berinvestasi dalam mempelajari alat ini, seperti pengetahuan tradisional tentang SQL.
Definisi SQL pada Hadoop
SQL on Hadoop adalah sekelompok aplikasi yang memungkinkan Anda untuk menjalankan query gaya-SQL pada data besar yang diselenggarakan oleh kerangka kerja pemrosesan data Hadoop. Jelas, pencarian data, pengambilan dan analisis menjadi lebih mudah dengan penambahan SQL on Hadoop. Karena SQL pada awalnya dirancang untuk database relasional, itu harus dimodifikasi sesuai dengan model Hadoop 1 yang terdiri dari MapReduce dan Sistem File Terdistribusi Hadoop (HDFS), dan model Hadoop 2 yang tidak memiliki MapReduce dan HDFS.
Salah satu upaya paling awal untuk menggabungkan SQL dengan Hadoop menghasilkan penciptaan gudang data Hive dengan perangkat lunak HiveQL yang dapat menerjemahkan pertanyaan gaya SQL ke dalam pekerjaan MapReduce. Setelah itu, beberapa aplikasi dikembangkan yang dapat melakukan pekerjaan serupa. Yang menonjol di antara alat-alat kemudian adalah Bor, BigSQL, HAWQ, Impala, Hadapt, Stinger, H-SQL, Mesin Splice, Presto, PolyBase, Spark, JethroData, Shark (Hive on Spark), dan Tez (Hive on Tez).
