數(shù)據(jù)庫初創(chuàng)公司Citus Data在本周二實現(xiàn)了Hadoop數(shù)據(jù)上的快速SQL查詢，這并不算什么大事，因為它們還有更大的目標。Citus Data已超越Postgres將其高速、分析數(shù)據(jù)庫CitusDB擴展到Hadoop上，接著可能擴張到MongoDB以及其它你已經(jīng)想到的數(shù)據(jù)庫產(chǎn)品。GigaOM的記者Derrick Harris認為，它是所有人都需要的唯一分析型數(shù)據(jù)庫，它能夠數(shù)據(jù)的查詢，無論存儲任何環(huán)境之中——關(guān)系型數(shù)據(jù)庫、Hadoop、MongoDB、 Amazon S3或者還有其他的地方。

大數(shù)據(jù)已經(jīng)打開了企業(yè)數(shù)據(jù)分析以及選擇性數(shù)據(jù)存儲的視野。那么這兩項的結(jié)合往往意味著需要學習新的語言，使用多工具處理，而且在分析平臺上還可能需要犧牲一部分性能。

Citus Data公司的旗艦產(chǎn)品就是CitusDB，它通常建立在PostgreSQL之上，第一代的目的就是為關(guān)系型數(shù)據(jù)設計像谷歌Dremel這種規(guī)模和速度的數(shù)據(jù)庫。由于其中的一項功能“foreign data wrappers”，所以它能夠在多種數(shù)據(jù)類型(像CSV, log以及JSON files，而且這些數(shù)據(jù)類型在原生的Postgres上是并不匹配的)上運行SQL。所以當CitusDB除了Postgres之外，還官方支持Hadoop文件分布式系統(tǒng)(HDFS)，這就意味著絕不僅限于這些。

Matt Ocko是數(shù)據(jù)收集的負責人，也是Citus Data早期的投資者之一，他認為數(shù)據(jù)庫從技術(shù)來來講應該支持任何使用ODBC驅(qū)動的數(shù)據(jù)源，甚至能夠直接從存儲的數(shù)據(jù)中直接查詢?nèi)罩疚募Ｊ聦嵣?，Citus正在致力對MongoDB的支持——這種能力現(xiàn)在已經(jīng)在測試版上了。Ocko強調(diào)了CitusDB像“網(wǎng)”一樣的能力，它能夠連接各種數(shù)據(jù)源，而不需要用戶進行獨立的查詢，然后再手動地連接數(shù)據(jù)。他舉了一個例子，使用CitusDB跨Postgres和Hadoop做join查詢。

另外一點就是，CitusDB不僅具有良好的靈活性而且很快。Ocko說到CitusDB已經(jīng)超越甲骨文Exadata machine上引以為豪的一個TPC-H基準測試(數(shù)據(jù)直接存儲在硬盤上)。上文中提及的運行在亞馬遜EC2云上的Postgres-Hadoop查詢僅僅在幾秒鐘之內(nèi)就完成了。

Citus的聯(lián)合創(chuàng)始人Umur Cubukcu告訴Derrick，CitusDB之所以如此之快是因為它的架構(gòu)：取代將數(shù)據(jù)在網(wǎng)絡中傳輸，它將焦點聚集到數(shù)據(jù)位置的計算，并且在資源間具有強大的負載平衡能力。比如，需要一個很慢節(jié)點上儲存的資源去完成完成一個任務，取代一味的等待它會去其它的節(jié)點上尋求相同的資源。

以Hadoop舉例，MapReduce把計算帶給了數(shù)據(jù)，但是每一個Job需要對整個數(shù)據(jù)集進行掃描。這就是早期的Hadoop上的SQL查詢工具Hive現(xiàn)在仍然很慢的原因。曾經(jīng)在Cloudera工作的Citus的軟件工程師Carl Steinbach表示，CitusDB比Hive查詢數(shù)據(jù)類型的速度快3到20倍。在一個典型的互動環(huán)境中，短查詢的實際的速度可能還會更快。但是他同時指出，這些并不是Hive真正的設計目的所在。

然而，CitusDB真正的競爭對手是SQL-On-Hadoop的項目，產(chǎn)品還有很多初創(chuàng)公司。下個月“Structure: Data”有一系列的話題為圍繞于此展開，屆時Aster Data，Platfora，Cloudera(Impala)，Apache Drill，Drawn to Scale以及Hadapt都會展現(xiàn)各自的風采。

這些都是令人印象深刻的技術(shù)(至少在理論上，它們?nèi)匀惶幵诎l(fā)展階段)，Citus可能會不小心的忽視他們。但是除了可以查詢多個數(shù)據(jù)源之外，Citus仍然還有自己獨特的產(chǎn)品，這是其他的公司所不具備的。“當你在談論一個企業(yè)級的數(shù)據(jù)庫的時候”Steinbach表示，“那么談論的內(nèi)容絕對不僅僅是一個查詢執(zhí)行引擎。”