Vidéo: Hadoop Meets Real Time Big Data Analytics with Hadapt's Hong 2024
À la fin de l'année 2010, Hadapt a été formé comme une start-up par deux étudiants de l'Université Yale et un professeur adjoint d'informatique. Le professeur Daniel Abadi et Kamil Bajda-Pawlikowski, un étudiant en doctorat du département informatique de Yale, travaillaient sur le projet de recherche HadoopDB.
Après la publication de cet article, Justin Borgman, un étudiant de la Yale School of Management, s'est intéressé au travail. Il fera ensuite équipe avec le professeur Abadi et Kamil Bajda-Pawlikowski pour former Hadapt.
La stratégie Hadapt consiste à rejoindre Apache Hadoop avec une base de données MPP Shared-Nothing pour créer une plate-forme d'analyse adaptative. Cette approche fournit une interface SQL standard sur Hadoop et permet l'analyse à travers des données non structurées, semi-structurées et structurées sur le même cluster.
Comme Apache Hive et d'autres technologies, Hadapt fournit une interface JDBC / ODBC familière pour la soumission de travaux SQL ou MapReduce au cluster. Hadapt fournit un optimiseur de requêtes basé sur les coûts, qui peut choisir entre une combinaison de travaux MapReduce et de travaux de base de données MPP pour exécuter une requête, ou le travail peut être géré par la base de données MPP pour une réponse interactive rapide.
En rejoignant un cluster Apache Hadoop avec un cluster de base de données MPP pour créer un système hybride, Hadapt résout le temps de réponse de la requête et le support SQL partiel (via HiveQL) trouvé dans Apache Hive.
