Recensioni e Dettagli del Prodotto Apache Kudu

1. Implementare l'architettura Lambda (sia batch che streaming in tempo reale) con Kudu è piuttosto semplice. Abbiamo inoltre utilizzato Streamsets come piattaforma di ingestione, che ha un buon accoppiamento con Kudu.

2. Rende l'analisi in tempo reale piuttosto semplice. Abbiamo utilizzato Kudu per eseguire più campagne in tempo reale.

3. Su misura per implementare data warehouse all'interno di un ambiente Big Data.

4. Ottima funzionalità di upsert. Recensione raccolta e ospitata su G2.com.

1. Limitazione della Partizione - È limitata a 2000 tablet/server di tablet.

2. Affronta timeout casuali mentre si avvicina al limite del numero di tablet (max 2000/server).

3. Necessita di uno Schema Conformato. Nessuna gestione automatica degli schemi fluttuanti.

4. Necessita di una Chiave Primaria per ogni tabella.

5. I punti #3 e #4 non sono realmente svantaggi di per sé. Recensione raccolta e ospitata su G2.com.

A mio avviso, ciò che ho trovato più utile di Apache Kudu è la possibilità di effettuare aggregazioni di dati piuttosto complesse tramite motori SQL, pur essendo in grado di eseguire aggiornamenti in modo efficiente. Recensione raccolta e ospitata su G2.com.

Probabilmente due svantaggi di Apache Kudu da tenere in considerazione sono la configurazione delle partizioni, poiché è piuttosto difficile trovare la migliore configurazione di partizionamento per le prestazioni del caso d'uso specifico, e anche il fatto che Kudu non bilancia il carico se viene aggiunto un nuovo nodo al cluster. Recensione raccolta e ospitata su G2.com.

È abbastanza buono durante la lettura e il caricamento ed è il miglior database colonnare su Hadoop. Questo Kudu viene fornito con Cloudera, quindi tutti i componenti sono in un unico posto. L'integrazione con lo script Impala e la compatibilità con il formato di file Parquet lo rendono più dinamico. La sua partizione dinamica aiuta anche durante il debug. L'integrazione del metastore di Kudu con Hive rende anche le tabelle Hive e Kudu accessibili dalla stessa piattaforma. I dati incrementali vengono replicati senza alcun problema per gli utenti finali. Supporta quasi tutto l'SQL ANSI, quindi appare molto familiare. Recensione raccolta e ospitata su G2.com.

Il partizionamento di Kudu viene effettuato solo sulla chiave primaria, il che non è sempre adatto. In alcuni casi abbiamo il timestamp come chiave di partizione, ma non può essere la chiave primaria, quindi la lettura di una tabella enorme è un problema qui. Quindi questo deve essere cambiato in futuro. C'è preoccupazione per il contesto di Kudu in relazione all'integrazione con Impala. Attualmente la connettività JDBC ha ancora alcuni problemi per grandi quantità di dati.

È un problema di nome tabella in camel case. Le tabelle Kudu con un nome di colonna contenente caratteri maiuscoli o non ASCII potrebbero non essere utilizzate come tabelle esterne in Impala. Le colonne possono essere rinominate in Kudu per aggirare questo problema. Recensione raccolta e ospitata su G2.com.

Velocità di esecuzione, specialmente in confronto ad Apache Hive. Flessibilità per funzionare come una normale tabella RDBMS. Può essere utilizzato per un grande datamart con logica CDC con facilità. Recensione raccolta e ospitata su G2.com.

Devi decidere la chiave primaria per ogni oggetto. Quindi, concentrati maggiormente sull'aspetto della Modellazione dei Dati. Recensione raccolta e ospitata su G2.com.

Facilmente accessibile dal motore di query APACHE Impala, quindi la creazione di dashboard e l'esperienza OLAP è senza soluzione di continuità. Recensione raccolta e ospitata su G2.com.

Con un gran numero di dati in streaming, il carico sul sistema aumenta esponenzialmente, influenzando altri servizi in esecuzione sullo stesso server. Recensione raccolta e ospitata su G2.com.

Caratteristiche di Integrazione Kudu-Impala

Utilizzo dell'algoritmo di consenso Raft per garantire la tolleranza ai guasti Recensione raccolta e ospitata su G2.com.

Scalabilità limitata: dati che puoi avere in Kudu per nodo del cluster e per cluster Recensione raccolta e ospitata su G2.com.

Il miglior vantaggio è che puoi eseguire analisi su Hadoop. Non è necessario proporre una soluzione alternativa di big data al cliente per eseguire analisi se ha già scelto Hadoop per l'archiviazione di Big Data. Recensione raccolta e ospitata su G2.com.

Kudu ha limitazioni nel tipo di dati che può gestire. Non puoi memorizzare dati strutturati complessi come puoi fare con Impala. Recensione raccolta e ospitata su G2.com.

Facile da usare

Aggiornamento e cancellazione che non sono disponibili nelle tabelle hive

Inserimento veloce, cancellazione e tutte le operazioni ACID Recensione raccolta e ospitata su G2.com.

Le documentazioni non sono disponibili, in particolare per quanto riguarda carichi di lavoro pesanti e ottimizzazioni. Recensione raccolta e ospitata su G2.com.

non c'è bisogno di imparare HBase per l'elaborazione in tempo reale, Apache Kudu può aiutarti.

facile da imparare, efficiente e puoi aggiornare i record.

fornisce Recensione raccolta e ospitata su G2.com.

La colonna primaria deve essere la prima colonna, a volte è difficile mantenere la prima colonna come chiave primaria. Recensione raccolta e ospitata su G2.com.

la query è molto veloce e ha un'ottima prestazione. Recensione raccolta e ospitata su G2.com.

consuma molta memoria che distrugge il sistema nel lungo periodo. Recensione raccolta e ospitata su G2.com.