关闭。这个问题是基于意见的。它目前不接受答案。
**想改进这个问题吗？**更新这个问题，这样就可以通过编辑这篇文章用事实和引文来回答。

两年前关门了。
改进这个问题
我们正在与针对hdfs的查询进行斗争，在hdfs中我们有大量的数据。
我们有Kafka的消息来源。这些检测是实时的，我们希望能够搜索数据。作为一个集成工具，我们尝试了flume或spark将数据保存到hdfs，并在hivespark jdbc/odbc服务器上查询hdfs上的数据。

目前，这种方法和hivespark jdbc/odbc服务器是很好的b/c，我们不关心实时性，但现在我们希望有接近实时的查询。为了更好的性能，我们尝试了少量的 sequence files 或者 parquet files 但还是要花太多时间。
所以，我们在调查 HBase 但我们需要使用自定义 UDF 我们用在 hive 里。由于impala不支持复杂类型和嵌套类型（我们有这些人员），我们意识到我们不能使用impala。所以我们选择了hbase。
既然我们有 SQL 能够用hive处理数据的语句我希望使用类似sql的语句，所以我们在上面检查了apachephoenix Hbase .
但在玩之前 Hbase 我想知道hbase是否适合运行像 UDF 如果结果是3秒。
我在考虑第二个选择。拥有完全不同的框架/存储。例如casandra或elasticsearch，但我们希望使用hdfs作为存储，但我们怀疑hdfs不适合使用定制的实时查询 UDF .
任何建议或想法都将不胜感激！
编辑一些有关环境和结果的详细信息。
实际上，我们使用节俭的jdbc/odbc服务器，正如@cricket\u007所提到的（我通常称之为hive，抱歉混淆了-我已经更新了op），而且由于flume/spark生成了太多的小文件，所以查询速度很慢。
序列文件：~150mb需要~5分钟执行
Parquet文件：分区有问题（数据来自flume/spark）和 SQL SELECT 看不到最新的数据。所以我们得跑了 MSCK REPAIR TABLE 7000排需要8分钟。对~7000行进行查询需要~50秒~1分钟。
我们跑 start-thriftserver.sh 与 local[*] .
我想它仍然太慢，无法得到结果，即使它是在本地模式。 grep -c ^processor /proc/cpuinfo 打印8个，内存为9gb。