【数据仓库】即席查询-Toy模板网

这篇具有很好参考价值的文章主要介绍了【数据仓库】即席查询。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

定义

即席查询（Ad Hoc）是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。即席查询与普通应用查询最大的不同是普通的应用查询是定制开发的，而即席查询是由用户自定义查询条件的。

特点

即席查询的特点：即席查询与固化查询最大的不同是，普通的固化查询是定制开发的（即查询语句是预先写好的，不会临时发生变化），而即席查询是由用户自定义查询条件的。随时可以更改。

对于即席查询和 OLAP 可以参考下图的关系图：
即席查询,# 数据库,数据仓库,大数据,即席查询

OLTP、OLAP、即席查询(ad hoc query)区别与联系

对于目前来讲，对数据的处理主要集中在两个方面，一种是联机事务处理 OLTP（on-line transaction processing），另一种是联机分析处理 OLAP（On-Line Analytical Processing）。

OLTP：是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，典型的是银行 ATM 存取款,金融证券方面的实时更新等，这些操作都比较简单，主要是对数据库中的数据进行 DML 操作，操作主体一般是产品的用户，并且 OLTP 事务性非常高，一般都是高可用的在线系统，如上述的银行金融方面。

OLAP ：有的时候也叫 DSS 决策支持系统，也就类似于我们说的数据仓库，它使分析人员能够迅速、一致、交互地从数据的各个方面来观察信息，以达到深入理解数据的目的。通过分析 DW 中的数据来得出一些结论性的东西（比如报表），从各方面观察信息，也就是从不同的维度分析数据（站在维度的角度看待事实），因此 OLAP 也称多维分析。

两者的对比如下图所示：

属性对比	OLTP (例如mysql)	OLAP (例如hive)
操作对象	数据库	数据仓库
读特性	每次查询只返回少量记录	对大量记录进行汇总
写特性	随机、低延时写入用户的输入	批量导入大量的数据
数据时效	当前最新的数据	当前历史的聚集的数据
操作粒度	记录级	多表join分析
使用场景	用户，Java EE项目	数据分析师，为企业决策提供支持
具体工作内容	简单的事务	复杂的查询
时间要求	具有实时性	分离线数仓和实时数仓
数据量	GB	TB到PB
数据操作	支持DDL,DML	一般不支持更新和删除
主要功能	查询或改变现状	报表，统计预测

然而对于即席查询而言，一般情况下它是与 OLAP 做对比的，这里说明一下在数仓中我们一般都是对数据进行一个批处理（基本上对前一天数据处理），并且是针对固定的数据有一个明确的分析指标的。例如，下图是一张订单表的数据：

订单ID	下单地区	下单品类	下单时间	下单金额
1001	华北	电子	12月	456
1002	华东	食品	11月	489
1003	西南	居家	2月	491
1004	东北	电子	4月	659
1005	西北	宠物	11月	369
1006	华北	食品	2月	159

何为一个明确的分析指标？按照上述所说的，从维度的角度看待事实（事实指的是度量值，在这张表中为金额），我们可以按照7个维度来度量金额，也即是下表所列出的内容。

维度	度量值	分析指标
品类	金额	…
时间	金额	…
地区，品类	金额	…
地区，时间	金额	什么地区,什么时间销售了多少金额
品类，时间	金额	…
地区，品类，时间	金额	什么地区,什么品类,什么时间销售了所少金额

通过上面表的展示，也就是从不同的维度来围绕度量值分析

对于数仓的这种分析情况，我们一般都是有固定的套路的，比如说

select area, time from table group by area, time;

这种查询也称作为固化查询

指对一些固化下来的取数、看数的需求，最终通过数据产品的形式提供给用户，从而提高数据分析和运营的效率，这类需求的 SQL 基本上有固定的模式

然而不幸的事情发生了。平时的工作中，上述的固化查询你搞的好好的，这时候老板突然来了一个需求，但是范围并不属于上述的那种有固定模式的 SQL ，我们把这类需求称为即席查询 (Ad hoc queries)

对于即席查询和固化查询的总结：

即席查询与固化查询从SQL语句上来说，并没有本质的差别。它们之间的差别在于，固化查询在系统设计和实施时是已知的，所有的查询可以在系统实施的过程中，通过建立索引、分区等技术来优化这些查询，使得这些查询的效率很高。而即席查询是用户临时生产的需求，无法人工预先地优化这些查询，这类查询一般需要数据库内部实时地自动优化，所以即席查询也是评估数据仓库的一个重要指标。在一个数据仓库系统中，即席查询使用的越多，对数据仓库的要求就越高，对数据模型的对称性的要求也越高。

最后为什么不用hive做即席查询?
即席查询目的很明确，就是要快，所提即所得，即提出来这个需求立马要看到结果。数仓传统的hive做即席查询那肯定是不行的，MR跑完数据估计天都黑了。

相关框架

1、Druid：是一个实时处理时序数据的 OLAP 数据库，因为它的索引首先按照时间分片，查询的时候也是按照时间线去路由索引。
2、Kylin：核心是 Cube ，Cube是一种预计算技术，基本思路是预先对数据进行多维索引，分别对不同的维度进行组合，形成可能出现的查询 Cube ，当然，针对无意义的维度组合可以进行剪枝操作。使得数据量变小，查询时只扫描索引而不访问原始数据从而提速。
3、Presto：它没有使用 Mapreduce，大部分场景下比 Hive 快一个数量级，其中的关键是所有的处理都在内存中完成。支持多个数据源。同时针对可以将不同的数据源进行 join 操作。
4、Impala：基于内存计算，速度快，支持的数据源没有 Presto 多。
5、SparkSQL：是 Spark 用来处理结构化数据的一个模块，它提供一个抽象的数据集 DataFrame 和 DataSet，并且是分布式 SQL 的查询引擎。它还可以实现 Hive on Spark ，使用 Spark 引擎读取 Hive 的元数据信息，从而操作 Hive 里的数据。
6、ClickHouse：ClickHouse 不依赖任何第三方组件，采用的是列式存储。支持多个存储的引擎，用户可以根据不同的表来选择不同的存储引擎。同时底层还实现了向量化引擎。
7、Doris ：不依赖任何第三方组件，也是一个列存的数据库。使用 MySQL 协议，兼容 MySQL 语法，使用 MySQL 语法可对 Doris 数据库进行查询。新版本也实现了向量化引擎。