Apache Kudu Bewertungen & Produktdetails

1. Die Implementierung der Lambda-Architektur (sowohl Batch- als auch Echtzeit-Streaming) mit Kudu ist ziemlich unkompliziert. Wir haben zusätzlich Streamsets als Ingestionsplattform verwendet, die eine gute Kopplung mit Kudu aufweist.

2. Macht Echtzeitanalysen ziemlich unkompliziert. Wir haben Kudu verwendet, um mehrere Echtzeitkampagnen durchzuführen.

3. Maßgeschneidert für die Implementierung von Data Warehouses in einer Big-Data-Umgebung.

4. Schöne Upsert-Funktionalität. Bewertung gesammelt von und auf G2.com gehostet.

1. Partitionseinschränkung - Ist auf 2000 Tablets/Tablet-Server begrenzt.

2. Zufällige Timeouts beim Erreichen der Tablet-Zahlenbegrenzung (max. 2000/Server).

3. Benötigt ein konformes Schema. Keine automatische Handhabung von driftenden Schemata.

4. Benötigt einen Primärschlüssel für jede Tabelle.

5. #3 & #4 sind nicht wirklich Nachteile an sich. Bewertung gesammelt von und auf G2.com gehostet.

Meiner Meinung nach ist das, was ich an Apache Kudu am hilfreichsten fand, die Möglichkeit, ziemlich komplexe Datenaggregationen durch SQL-Engines durchzuführen, während gleichzeitig effiziente Aktualisierungen möglich sind. Bewertung gesammelt von und auf G2.com gehostet.

Wahrscheinlich sind zwei Nachteile von Apache Kudu, die zu berücksichtigen sind, die Partitionierungskonfiguration, da es ziemlich schwierig ist, die beste Partitionierungseinstellung für die spezifische Anwendungsfallleistung zu finden, und auch die Tatsache, dass Kudu die Last nicht ausgleicht, wenn ein neuer Knoten zum Cluster hinzugefügt wird. Bewertung gesammelt von und auf G2.com gehostet.

Es ist ziemlich gut beim Lesen und Laden und die beste spaltenorientierte Datenbank auf Hadoop. Dieses Kudu kommt mit Cloudera, sodass alle Komponenten an einem Ort sind. Die Integration mit Impala-Skripten und die Kompatibilität mit dem Parquet-Dateiformat machen es dynamischer. Die dynamische Partitionierung hilft auch beim Debuggen. Die Integration des Kudu Hive Metastore macht Hive- und Kudu-Tabellen von derselben Plattform aus zugänglich. Die inkrementellen Daten werden ohne Probleme für Endbenutzer repliziert. Es unterstützt fast alle ANSI-SQL, sodass es sehr vertraut aussieht. Bewertung gesammelt von und auf G2.com gehostet.

Die Kudu-Partitionierung erfolgt nur auf dem Primärschlüssel, was nicht immer geeignet ist. In einigen Fällen haben wir einen Zeitstempel als Partitionsschlüssel, der jedoch nicht der Primärschlüssel sein kann, sodass das Lesen einer großen Tabelle hier ein Problem darstellt. Dies muss in Zukunft geändert werden. Es gibt Bedenken hinsichtlich des Kudu-Kontextes in Verbindung mit der Impala-Integration. Derzeit gibt es noch einige Probleme mit der JDBC-Konnektivität für große Datenmengen.

Es handelt sich um ein Problem mit dem CamelCase-Tabellennamen. Kudu-Tabellen mit einem Spaltennamen, der Großbuchstaben oder nicht-ASCII-Zeichen enthält, können möglicherweise nicht als externe Tabelle in Impala verwendet werden. Spalten können in Kudu umbenannt werden, um dieses Problem zu umgehen. Bewertung gesammelt von und auf G2.com gehostet.

Geschwindigkeit der Ausführung, insbesondere im Vergleich zu Apache Hive. Flexibilität, als reguläre RDBMS-Tabelle zu arbeiten. Es kann problemlos für große Datenmärkte mit CDC-Logik verwendet werden. Bewertung gesammelt von und auf G2.com gehostet.

Sie müssen den Primärschlüssel für jedes Objekt festlegen. Also, mehr Fokus auf den Aspekt der Datenmodellierung. Bewertung gesammelt von und auf G2.com gehostet.

Leicht zugänglich über die APACHE Impala-Abfrage-Engine, sodass das Erstellen von Dashboards und OLAP-Erfahrungen nahtlos ist. Bewertung gesammelt von und auf G2.com gehostet.

Mit einer großen Menge an Streaming-Daten steigt die Belastung des Systems exponentiell, was andere Dienste auf demselben Server beeinträchtigt. Bewertung gesammelt von und auf G2.com gehostet.

Kudu-Impala-Integrationsmerkmale

Raft-Konsensalgorithmus zur Gewährleistung der Fehlertoleranz Bewertung gesammelt von und auf G2.com gehostet.

Begrenzte Skalierbarkeit: Daten, die Sie in Kudu pro Clusterknoten und pro Cluster haben können Bewertung gesammelt von und auf G2.com gehostet.

Der größte Vorteil ist, dass Sie Analysen auf Hadoop ausführen können. Sie müssen dem Kunden keine alternative Big-Data-Lösung vorschlagen, um Analysen durchzuführen, wenn er sich bereits für Hadoop zur Speicherung von Big Data entschieden hat. Bewertung gesammelt von und auf G2.com gehostet.

Kudu hat Einschränkungen bei der Art der Daten, die es verarbeiten kann. Sie können keine komplex strukturierten Daten speichern, wie Sie es mit Impala tun können. Bewertung gesammelt von und auf G2.com gehostet.

Einfach zu bedienen

Aktualisierung und Löschung, die in Hive-Tabellen nicht verfügbar sind

Schnelle Einfügung, Löschung, alle ACID-Operationen Bewertung gesammelt von und auf G2.com gehostet.

Dokumentationen sind nicht verfügbar, insbesondere solche, die sich mit hohen Arbeitslasten und Optimierungen befassen. Bewertung gesammelt von und auf G2.com gehostet.

kein Bedarf, HBase für Echtzeitverarbeitung zu lernen, Apache Kudu kann Ihnen helfen. einfach zu lernen, effizient und Sie können die Datensätze aktualisieren. es bietet Bewertung gesammelt von und auf G2.com gehostet.

Primär muss die erste Spalte sein, manchmal ist es schwierig, die erste Spalte als Primärschlüssel beizubehalten. Bewertung gesammelt von und auf G2.com gehostet.

die Abfrage ist sehr schnell und hat eine großartige Leistung. Bewertung gesammelt von und auf G2.com gehostet.

es verbraucht viel Speicher, was das System langfristig zerstört. Bewertung gesammelt von und auf G2.com gehostet.