從高成本數(shù)據(jù)倉庫將任務卸載有時被看做是Hadoop商用集群的首要目標。遷移提取、轉(zhuǎn)換、加載(ETL)、查詢以及報告工作并不能顯著改變商業(yè)模式，但它可能會抑制數(shù)據(jù)倉庫的增長和成本。

從高成本數(shù)據(jù)倉庫將任務卸載有時被看做是Hadoop商用集群的首要目標。遷移提取、轉(zhuǎn)換、加載(ETL)、查詢以及報告工作并不能顯著改變商業(yè)模式，但它可能會抑制數(shù)據(jù)倉庫的增長和成本。

但是，即便進入Hadoop時代已經(jīng)有些年頭了，將任務遷移至分布式平臺并非易事。能夠找出哪些任務在不給大量開發(fā)人員帶來麻煩的情況下進行遷移，有助于數(shù)據(jù)管理人員做出最佳選擇。

一款來自Cloudera公司的Hadoop工具Navigator Optimizer可能是個不錯的選擇。它源于該公司在2015年收購的Xplain.io，這家公司試圖將某些與SQL類似的數(shù)據(jù)庫優(yōu)化功能引入Hadoop。該產(chǎn)品于今夏開始正式供應。

“該工具可以讓人們查看那些正在其他平臺上運行的查詢，并可以查看它們將會如何在我們的Hadoop環(huán)境中表現(xiàn)，” Conversant的一名軟件工程經(jīng)理Peter Wojciechowski說，而Conversant是一家數(shù)字營銷公司，它通過對大量數(shù)據(jù)的處理來呈現(xiàn)個性化的廣告。

Conversant在查詢中的表現(xiàn)

Conversant最初是將Hadoop用作數(shù)據(jù)的第一著陸點，之后通過Pivotal Greenplum數(shù)據(jù)倉庫進行處理以用于分析。團隊使用Navigator已經(jīng)能夠?qū)⒛承┤蝿者w移至Hadoop和Apache Hive數(shù)據(jù)倉庫以及Impala SQL查詢環(huán)境。

“如今，核心的ETL和某些大型處理工作是在一個Hadoop集群上進行的，”Wojciechowski說，高度迭代的處理工作對于Hadoop來說是不錯的目標，但Greenplum并未被取代。在他的公司里，Greenplum仍擔當著重要的分析責任。但現(xiàn)在，其使用則更為精煉。

Wojciechowski說，“以前，Greenplum負責了所有的工作負載，但并不是所有工作負載都與其契合。現(xiàn)在，有了該工具，我們就能更加游刃有余，例如，我們可以判斷什么才是適合在Hive中運行的。”

通過使用Optimizer，Wojciechowski和他的團隊能夠說出在Hive和Impla中查詢將會如何更好的執(zhí)行，這就如同是接受在新環(huán)境中查詢是如何執(zhí)行的指導是一樣的。Hadoop工具在生產(chǎn)中還有著進一步的應用。Optimizer與Navigator協(xié)同工作會幫助你判斷如何將工作負載查詢進行分組，這樣就能發(fā)現(xiàn)更多的重復并更有效的對集群進行利用，”他說。

像Navigator Optimizer之類的技術(shù)有助于揭示數(shù)據(jù)連接，這是一個SQL常見的特性，而它會對Hadoop造成阻礙，451 Research的分析師James Curtis如是說。“Navigator會在將任務遷移至Impala或Hive之前對已有工作進行分析，并對需要重做的連接數(shù)量進行估計，”他說。

對于該工具在任務遷移中的作用他表示認同，但他強調(diào)對查詢的優(yōu)化遠比僅用于遷移有著更廣泛的使用。“對于那些擁有數(shù)以千計查詢的公司來說，優(yōu)化查詢并不是瑣碎的工作，”Curtis說。

改變和提升

像Cloudera Navigator套件之類產(chǎn)品的可用性可以覆蓋包括所有最困難遷移任務中的一項：即將主框架數(shù)據(jù)遷移至Hadoop生態(tài)系統(tǒng)。

為此，主框架和Hadoop數(shù)據(jù)轉(zhuǎn)換公司Syncsort表示，它正在和Cloudera合作，通過將Navigator連接至其工具來追蹤傳統(tǒng)來源的數(shù)據(jù)沿襲以改善數(shù)據(jù)治理。這些傳統(tǒng)來源不僅限于主框架，而是包括運行在中端系統(tǒng)上的數(shù)據(jù)倉庫。

對于將關(guān)系型數(shù)據(jù)倉庫任務遷移至Hadoop來說，Cloudera并不是可以提供工具唯一廠商，這一領(lǐng)域是十分活躍的。

對于他們來說，獨立的Hadoop分銷競爭對手Hortonworks和MapR Technologies Inc.會提供相關(guān)的Hadoop工具，包括基于Apache Calcite的SQL優(yōu)化工具，而Apache Calcite是一款包括了一個SQL解析器和查詢規(guī)劃器的開源項目，而它剛剛迎來它的第一個生日。

而且，數(shù)據(jù)管理服務公司Bitwise最近推出了Hydrograph，這是一款旨在簡化卸載ETL工作負載到Hadoop和其他大數(shù)據(jù)框架的工具。Bitwise的軟件是與客戶Capital One一起開發(fā)的，它基于的開發(fā)環(huán)境使用了XML接口，因此任務可以遷移至不同的Hadoop框架，例如從MapReduce到Tez，只需要少量重新配置。

如果這些Hadoop工具能夠讓遷移設計更上一層樓并不斷探索試錯，則會改善對Hadoop的提升。對于企業(yè)中Hadoop和它的生態(tài)系統(tǒng)組件來說，在平臺上高效地獲取數(shù)據(jù)倉庫工作仍是一項重要步驟。