Sql server 集群SQL与Hadoop

我是hadoop新手

只要了解Hadoop HDFS是基于平面文件的

而集群化的MS SQL Server是RDBMS（不确切地知道它叫什么，但它被DB拆分为多个服务器并充当一个数据库）

对于单服务器数据，我知道RDBMS比基于平面文件的数据快得多，因为您可以索引RDBMS（我希望我没有错）

---

如果这是真的，那么为什么基于多服务器平面文件的Hadoop比基于多服务器RDBMS的群集化MS SQL server更快？

SQL server群集是一个高可用性解决方案，而不是并行计算解决方案。微软有SQL Server并行仓库（显然，里面有Hadoop:）。当只读操作不能在被动节点上执行时，AlwaysOn可以提供一些性能优势，但通常SQL Server是单节点解决方案。

SQL Server群集是一种高可用性解决方案，而不是并行计算解决方案。微软有SQL Server并行仓库（显然，里面有Hadoop:）。当只读操作不能在被动节点执行时，AlwaysOn可以提供一些性能优势，但一般来说，SQL Server是单节点解决方案。

SQL Server 2019（即将推出）实际上具有将这两个世界合并在一起的功能。您可以根据HDF在集群配置中进行横向扩展计算。您可以在此处阅读：

此技术的早期版本在SQL Server 2016/2017中发布，称为Polybase。它的技术实现和配置体验略有不同。您可以在此处阅读：

这两种方法都可以为您提供一种形式的“扩展计算”。Hadoop的目标是获取一些相对便宜的节点，并针对非常可划分的问题进行扩展。SQLServer也可以做到这一点，尽管通过它内置的各种机制，每个节点通常可以获得更好的性能。硬件和软件（以及配置/管理开销）有一个成本因素，这是NoSQL和基于SQL的解决方案之间的权衡。虽然在这两个模型中可以做的事情有一些重叠，但横向扩展方法对于完全可划分的问题（无论是在成本还是在规模上）有一些优势，而RDBMS方法可能具有更丰富/更快的查询功能。这并不是说你不能扩展SQL，也不能在NoSQL中实现更复杂的应用。他们有优势，然后是他们“能”做什么和“不能/不应该”做什么

（传统的SQL Server正如另一个答案所建议的那样——在扩展方面有一定的局限性，尽管AlwaysOn Availability Group让您可以选择构建可读的二级数据库来进行部分扩展计算）

SQL Server 2019（即将推出）实际上有一个将这两个世界融合在一起的功能。您可以根据HDF在集群配置中进行横向扩展计算。您可以在此处阅读：

此技术的早期版本在SQL Server 2016/2017中发布，称为Polybase。它的技术实现和配置体验略有不同。您可以在此处阅读：

这两种方法都可以为您提供一种形式的“扩展计算”。Hadoop的目标是获取一些相对便宜的节点，并针对非常可划分的问题进行扩展。SQLServer也可以做到这一点，尽管通过它内置的各种机制，每个节点通常可以获得更好的性能。硬件和软件（以及配置/管理开销）有一个成本因素，这是NoSQL和基于SQL的解决方案之间的权衡。虽然在这两个模型中可以做的事情有一些重叠，但横向扩展方法对于完全可划分的问题（无论是在成本还是在规模上）有一些优势，而RDBMS方法可能具有更丰富/更快的查询功能。这并不是说你不能扩展SQL，也不能在NoSQL中实现更复杂的应用。他们有优势，然后是他们“能”做什么和“不能/不应该”做什么

---

（传统的SQL Server与另一个答案所建议的一样——在扩展方面有一定的局限性，尽管AlwaysOn Availability Group允许您选择构建可读的二级数据库来进行部分扩展计算）

Hadoop不仅仅是HDFS，因此您可以在Hadoop的基础上使用许多不同的RDBMS解决方案。您可以在这些基准上找到满足您需求的各种基准（例如at），以及各种产品的更多细节（例如）。Hadoop不仅仅是HDFS，因此您可以在Hadoop之上使用许多不同的RDBMS解决方案。您可以找到满足您需求的各种基准（例如at），以及各种产品的更多细节（例如）