主流数据库/数仓核心要点对比

• ClickHouse：官网讲OLAP系统的特点，更像是讲自己的特点，比如关联查询只会有一个大表，写入都是批量等。
  Global关键字难于被普通用户理解，join的不足（只有broadcast join，没有repartition join），分布式表定义的繁琐。
  需要ZK存储一些元信息，没有master，各节点对等。
  对delete和upate支持很弱，无事务支持。
  可插拔存储引擎。稀疏索引。
  关于为什么快，官网解释说除了列存、索引、多种压缩之外，更在乎底层细节，比如和group by相关的hash数据结构，会有三十多种，适配不同的数据类型和场景。
• HBase：随机IO，解决Hadoop体系点查和RT问题。存在scan的热点问题。
  强一致性。
  列族压缩，列族内qualifier随意扩展，所以有了OpenTSDB。
  它也是BigTable的开源实现。
  基于ZK选master leader，并处理region server心跳。
  有cache和wal。据说cache也有全局监控和刷盘策略。
• Cassandra：基于Hash分kv，高并发点查无热点，但不便scan。
  采用Quorum NRW的一致性方式。
  Gossip去中心化，弱一致性。规模化和集群扩展性较好。
  算是DynamoDB的开源实现。
  有一定的事务性支持，以SQL的表格形式存储数据。
• MongoDB：基于JSON格式的文档形式存储，每条数据有隐含的文档ID。
  Schema free。使用简单。
• Kudu：和HBase比，更像传统的关系型数据库，而非NoSQL。也是更彻底的列存（和Parquet相似列存格式，增加了随机读写能力），整体上对AP系统来说更合适。
  强依赖主键，且主键不可修改。
  表数据分片为tablet基于raft多副本存储。
  只支持单行事务。
  master们自己根据raft选主，无需ZK，client需要从master获取tablet信息，并自己读取TServer。
  只是存储引擎，一般搭配Impala作为上层。
• PostgreSQL：地理信息；SQL编程，PL/SQL，更接近Oracle；外部数据源；包括BTREE在内的多中类型索引；集群扩展性更好；事务隔离更好；子查询支持更好。
  而mysql胜在流行，并且在权限控制等方面更完善。
• Presto/Impala：较为接近，都是大数据生态下的加速查询引擎。Presto为JAVA实现，Impala为C++实现。
• Kylin：基于数据Cube的模型进行各个维度层次的下钻和上卷的预聚合，所以对于部分已知查询的性能会非常好。
• Druid：适用于聚合查询场景但是不适合有超高基维度的场景；存储全维度group-by后的数据，相当于只存储了Kylin Cube的 Base-CuboID。