在gigaom部署structure: data的数据中心产品日程的时候，就意识到很有必要探讨在hadoop上运行sql查询，然而却未意识到hadoop上运行sql查询居然变的这么主要。本文是gigaom的资深编纂derrick harris 撰写的一篇 数据中心优势，编译如下：
实在，对sql支撑并不是hadoop的终极目的，然而这一特征将会辅助hadoop找寻本人的生存方法，让hadoop在那些已经清楚下一代剖析的主要性但又不想迈向mapreduce专家之路的公司中获得一席之地。
当然，facebook发动了整场活动 在2009年发明了hive，它把相似数据库sql查询功效引向了hadoop 。hive当初已经是apache的一个开源名目，包括数据治理层以及类sql的构造化查询语言hiveql。在从前的数年里，hive确实是十分有用而且很风行，然而因为hive对mapreduce依附，查询速度有着先本性不足，由于在查询的进程中，mapreduce需要扫描全部数据集，而且在job的处理进程中还须要把大批的数据传输到网络。对主流用户而言，难以有很大的吸引力。
请记住，下一代的sql-on-hadoop工具并不仅仅只是贸易智能，也不是仅仅只能读取存储在hadoop上数据的数据库产品， emc greenplum, hp vertica, ibm netezza, paraccel, microsoft sql server以及teradata/aster data全体都容许某些方式的hadoop数据查问。而且这些是利用，框架以及能够让用户从内部进行hadoop数据查问的统一接入引擎，有时候也会重构底层盘算以及数据基本设施。这种方法的长处在于：能够应用已有存储情势的数据，从实践上讲，对数据的分析运用就不须要再拜访两个独破的数据存储。
数据仓库和bi：the structure: data set
apache drill： drill是由mapr主导、基于hadoop之上的类似于谷歌的demel交互式查询引擎。首次颁布在8月份，不外该项目正处在开发阶段，也是apache的孵化器打算，依据其网站所言：明白的目的就是扩大到10000台服务器，而且可以在多少秒钟之内处理pb级的数据和数万亿条的记载。
mapr的产品治理总监tomer shiran表现：drill与mapreduce相辅相成。在谷歌，数以千计的工程师天天都在dremel跟mapreduce，将来也将有着hadapt：hadapt实际上在2011年的structure: data大会上宣布，它云基础架构也是第一批sql-on-hadoop的厂商之一，其奇特之处在于，在市场上已经有了真正的产品，而且已经培养了本人的客户群。其举世无双的架构包含进步的sql剖析工具，为mapreduce以及相干义务打造的split-execution引擎，也包括hdfs跟相干的存储。