Stinger Initiative：让Hive提速100倍

自从2007年Facebook提出Apache Hive和HiveQL后，他们已经成为事实上的Hadoop上的SQL接口。如今，各种类型的大公司或小公司都在使用Hive这中非常普遍的方法来访问Hadoop数据，从而给公司或者用户带来更多的价值。同时，还有许多公司通过大量已存的BI工具生态系统来达到相同的目的，这些BI工具同样使用Hive作为接口。

最初，Hive用于建立大规模的成批计算，这在数据报告、数据挖掘以及数据准备等应用场景很有效。这些应用场景很重要，但是Hadoop的需求十分广阔，企业用户越来越需要Hadooop具备更高的实时性和交互性。在Hortonworks，我们相信开源社区的创新力要超过任何一个专有的提供商，Stinger initiative再次证明了这一点，我们会联合（社区）伙伴一起提升Hive的性能。

什么是Stinger Initiative？

能让Hive回答问题的速度满足普通人（例如一个问题的返回时间在5-30秒），如大数据探索、可视化、参数化报告等场景，而且并不依赖其它工具，并分发到用户社区，可以很好的维护企业原有的投资和开发者的Hive技能。

图：Stinger Initiative的roadmap 

为此，我们发布了Stinger Initiative，并进入社区进行分享，为的是让Hive支持更多SQL，并实现更好的性能。一直以来，HiveQL都没有什么变化，而这次HiveQL将变得更强大。同时，与现有的工具保持一致形成完美的互补。

• 首先，我们让Hive与人们在Hadoop上想要的查询想匹配。这包括增加类似OVER子句的分析功能，支持WHERE子查询，以及调整Hive的样式系统更多的符合标准的SQL模型。
• 其次，我们优化了Hive的请求执行计划，我们内部某些测试结果显示，优化后的请求时间减少了90%。我们也着眼于在Hive执行引擎中增加一些改动，我们确信这可以增加单一Hive task每秒钟处理记录的数量。
• 第三，我们在Hive社区中引入了新的列式文件格式（如ORC文件），提供一种更现代、高效和高性能的方式来储存Hive数据。
• 最后，我们引入了一种新的runtime框架—— Tez，它的目标是消除Hive的延迟以及吞吐量限制。Tez通过消除不必要的task、障碍同步和对HDFS的读写作业来优化Hive job。这将优化Hadoop内部的执行链，彻底加速Hive负载处理。

所有这些对Hive的调整仍在公开的进行中，内部预览版将在今年三月举行的由Hortonworks主办的Hadoop大会上公开。

拥抱社区和Hive

许多不同的团队在Hive社区贡献着他们成果。来自SAP的Harish Butani的团队负责为Hive增加一个分析和数据窗口函数。这个函数将增加到OVER子句中用于已经存在的聚集函数，就像RAND、NTILE和LEAD、LAG等函数一样， 这里可以看到详细的说明。Facebook的Namit Jain已经花了大量时间来优化Hive的查需执行计划，这让Join等操作变的更高效，并减少来自用户的提示。Hortonworks已经参与到这些项目中。

Owen O’Malley，Hortonworks联合创始人，早期的Hadoop的开发者，已经在Facebook为ORC文件格式进行了大量工作，这项工作将帮助提升Hive读、写、处理数据的性能，在 这里可以看到详情。我们还在为一些更长远的目标工作，如重写Hive的运算符来处理上千的记录，其效率和现在相比将有大幅提升。

为什么要重新造轮子呢？