回答你的问题，
在查询性能方面是否总是存在权衡，或者是否可以通过配置更改、硬件的水平扩展来优化它们？
如果您只使用hadoop中的配置单元工具进行临时查询，那么对于临时查询和数据分析来说，这不是正确的选择。我们根据您的使用案例探索更好的选择，并从hive llap、hbase、spark、sparksql、spark streaming、apache storm、imapala、apache drill和prestodb等方面进行技术选择。
它能不能像netezza一样快呢？netezza使用的是非商品硬件，但功能与netezza相似？
它现在是大多数组织使用的更好的工具，但是您必须根据您的用例从hadoop技术堆栈中具体选择技术工具，并在研究它之后为技术做正确的选择。
相比之下，hadoop在哪些方面是伟大的，并且完全击败了其他所有东西？
hadoop最适合在数据分散在多个系统的大型组织中实现数据湖平台，使用hadoop数据湖，您可以将数据放在中心位置。它可以作为一个数据分析平台，用于组织在一段时间内积累的数据。也可用于数据流数据处理，实时得到结果。
希望这会有帮助。

我认为hivemetastore作为查询接口比hiveserver2本身更有用。
metastore是presto和spark用来比mapreduce更快地获取数据的工具，但可能没有优化好的tez查询那么快，例如，hivev2.x+和llap正在进行改进。
最后，只有当摄取管道以orc或parquet的列格式存储数据时，hive才真正有用。从那里，合理的查询引擎可以相当快地扫描数据，而hive恰好被认为是访问模式的实际实现，而impala或presto通常更多地用于临时访问。
也就是说，hive（以及hadoop上的其他sql）不是用来“构建”的，而是用来“分析”的
我不知道你所说的“标准”是什么意思——hive支持任何odbc/jdbc连接，所以并不是所有访问都使用cli，hue或zeppelin是非常好的笔记本，可以通过hive进行sql分析。

在hdfs或者hadoop生态系统中存储大数据有很多好处。举几个最重要的例子，有人可以存储和处理大量数据，而且配置非常简单。