eBay开源了其大型、高速SQL-on-Hadoop数据库

　　在线拍卖网站eBay开源了其名为Kylin的数据库技术，该公司表示这套方案能够对保存在Hadoop当中的PB级数据集进行快速查询。与谷歌以及Facebook等企业相比，eBay并不能算是大数据用户，但该公司确实也在以相当可观的规模运行着Hadoop等技术方案，而Kylin项目似乎正是其以此为基础实现技术创新的一个绝佳实例。

　　eBay公司在上个月二十号的一篇博文中公布了与Kylin项目相关的具体信息，在众多特性当中最引人注目的当数其REST API、ANSI-SQL兼容性、与Tableau以及Excel等分析工具的对接能力以及亚秒级的查询能力。不过，Kylin项目最为独特的能力还是要数其在规模化层面的强大表现。根据eBay方面的说法，Kylin能够对百亿行数据进行查询——相当于体积超过14TB的数据集规模——而且速度表现优于传统Apache Hive工具。

　　总体来看，Kylin的运作机制在于从Hive当中获取数据，利用MapReduce对大规模查询操作进行预处理，最后将处理结果以键-值“cuboid”的形式保存在HBase当中。当某位用户利用一组特定变量运行一项Kylin查询时，这些变量所对应的值即可在无需重复处理的情况下直接交付给用户。虽然与多年来业界一直在分析数据库当中所使用的cube并没有什么本质区别，但Kylin所采取的cuboid在设计思路上充分考虑到了HBase的数据结构倾向。

　　下面我们来看看eBay公司如何描述Kylin在其内部业务体系中的实际表现：

　　在将Kylin贡献给开源社区的同时，我们已经在eBay公司的多个业务部门当中将其应用于生产实践。其中规模最大的用例就是对由120多亿条源记录所生成的超过14TB cube数据进行分析。90%的查询请求在5秒之内。现在，我们拥有更多面向分析师以及业务用户的用例，他们能够访问并轻松通过Tableau仪表板获取相关分析结果——而不再需要借助Hive查询或者shell命令等复杂机制。 

　　我们期待着看到Kylin将如何与下一代Hive、Spark SQL以及其它Hadoop环境下的SQL分析项目进行协作，因为Apache Hadoop最新版本当中首度出现的YARN资源管理器方案必然将引发相关配合项目的一波升级浪潮。根据我的个人猜测，Kylin在速度表现上应该略逊于内存内选项或者其它那些无需MapReduce处理机制介入的方案，但规模容纳能力方面却又比二者更强。有鉴于此，对于那些仍然在运行着早期软件版本的Hadoop用户来说——这部分用户所占比例相当之高——Kylin堪称一套稳定而可靠的解决方案。

原文链接：