Apache Drill

Cet article est une ébauche concernant l’informatique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Apache Drill

Informations

Développé par	Apache Software Foundation
Première version	4 janvier 2015[1]
Dernière version	1.21.2 (23 juin 2024)[2]
Dépôt	github.com/apache/drill et git://git.apache.org/drill.git
État du projet	Développement
Écrit en	Java
Système d'exploitation	Multiplateforme
Type	Big data
Licence	Licence Apache
Site web	drill.apache.org

modifier - modifier le code - voir Wikidata (aide)

Apache Drill est un framework logiciel open-source qui supporte les applications temps réel distribuées pour l'analyse interactive de jeux de données à grande échelle. Drill est la version open source du système Dremel de Google qui est disponible comme un service d'infrastructure appelé Google BigQuery. Un objectif de conception indique explicitement que Drill est capable d'évoluer à 10.000 serveurs ou plus et d'être en mesure de traiter des pétaoctets de données et des milliards d'enregistrements en quelques secondes. Drill est un projet de premier niveau pour Apache^[3].

Drill supporte de nombreuses bases NoSQL et de nombreux systèmes de fichiers comme HBase, MongoDB, MapR-DB, HDFS, MapR-FS, Amazon S3, Azure Blob Storage, Google Cloud Storage, Swift, NAS et des fichiers locaux. Une seule requête peut joindre des données d'entrepôts de données distincts. Par exemple, vous pouvez joindre le profil utilisateur présent dans une collection sur MongoDB avec les logs d'Hadoop.

L'optimisateur de Drill restructure automatiquement un plan d'exécution de la requête pour tirer parti des capacités de traitement des entrepôts de données internes. En outre, Drill supporte la localité des données, il est donc interessant de co-implanter Drill et un datastore sur plusieurs nœuds^[4].

•  Modèle de document JSON similaire à MongoDB et Elasticsearch
• Utilise les API standards de l'industrie : ANSI SQL, ODBC/JDBC, RESTful APIs
• Extrêmement convivial pour l'utilisateur et le développeur (requêtes SQL like)
•  Architecture distribuée

Drill est principalement axé sur les datastore non relationnels, comme Hadoop, NoSQL et le stockage en cloud. Les datastores suivants sont actuellement supportés:

• Hadoop: toutes les distributions Hadoop (HDFS API 2.3+),  Apache Hadoop, MapR, CDH et Amazon EMR compris
• NoSQL: MongoDB, HBase
• Stockage Cloud: Amazon S3, Google Cloud Storage, Azure Blob Storage, Swift

De nouveaux datastores peuvent-être développés sous forme de plugin. Drill utilise un seul modèle de donnée JSON  qui lui permet d'interroger des datastores non relationnels in-situ (Beaucoup de ces systèmes de stockage sont complexes ou sans schema)^[5].

• Cloud computing
• Big data
• Data Intensive Computing

• (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Apache Drill » (voir la liste des auteurs).

Certaines publication ont influencé la naissance et de la conception. Voici une liste partielle:

• 2005 From Databases to Dataspaces: A New Abstraction for Information Management,  les auteurs soulignent la nécessité pour les systèmes de stockage d'accepter tous les formats de données et de fournir des API d'accès aux données qui évoluent en fonction de la compréhension du système de stockage des données.
• 2010 Dremel: Interactive Analysis of Web-Scale Datasets

• Official Drill Homepage Site officiel
• Crunching Big Data with Google BigQuery + Introducing Apache Drill

v · m Apache Software Foundation
Projets principaux	Accumulo Ant APR Camel Cassandra Cocoon Commons Continuum Cordova Apache ZooKeeper CouchDB CXF DB Apache Drill Flex Flink Geronimo HBase Hadoop HTTP Server JMeter Karaf Kafka Logging Lucene Mahout Maven MyFaces Nutch OFBiz OpenJPA OpenOffice mod_perl POI Portals River SpamAssassin ServiceMix Spark Struts Subversion Tapestry Thrift Tika Tomcat Velocity Web Services Wicket Xerces Apache Beam Apache Metron Apache Fineract Apache Ctakes Apache RocketMQ Apache Juneau Apache Mesos Apache Apex Apache NiFi Apache Pulsar Apache Samza Apache Sentry Apache ORC Apache Parquet Apache Avro Apache Airflow
Incubateur Apache	en cours d'incubation Derby Ivy Apache Livy Log4net Solr Apache Zeppelin Apache Druid Apache MXNet Apache SINGA Apache Superset incubation finie Wave
Autres projets	Axis BCEL
Projets en fin de vie	Jakarta iBATIS Lenya XAP
Personnalités	Brian Behlendorf Roy Fielding
Divers	JServ Licence Apache mod_jk .htaccess

v · m Big data
Méthodes	Algorithme de fouille de flots de données Analyse des données Parallélisme
Services	Centre de données Cloud computing Analyse de sentiments Opt in Opt out
Exploration de données	Fouille de données spatiales Fouille du web Fouille de flots de données Fouille de textes Fouille d'images Fouille audio Glossaire de l'exploration de données
Outils	Base de données relationnelle Hadoop Logiciels de fouille de données Robot d'indexation Système de gestion de base de données NoSQL NewSQL Technologies matérielles dédiées
Organismes	Union internationale des télécommunications
Histoire d'Internet Révolution numérique Science des données Données ouvertes

v · m Science des données
Concepts	MapReduce Apprentissage profond Extreme learning machine Apprentissage automatique Apprentissage supervisé Apprentissage non supervisé Réseau de neurones artificiels Visualisation de données Exploration de données Textemining Segmentation Intelligence artificielle Big data Data lineage
Architecture	Hadoop Cloudera Hortonworks Apache Hive NoSQL NewSQL HBase Cassandra Apache Spark
Outils	Presto Apache Impala Pig Tableau Software Elasticsearch MongoDB Apache Mahout Scikit-learn TensorFlow Theano (logiciel) SPSS JMP Dataiku Apache MXNet ONNX Apache SINGA Keras
Programmation	R Ggplot2 SAS Python Julia SQL Scala
Statistique	ACP AFC ACM Méthode des moindres carrés Analyse des données Homoscédasticité Knn Cartes de Kohonen Statistique multivariée Théorème de Bayes Analyse de la variance Test du χ² Distance de Cook
Articles liés	Watson Teradata Glossaire de l'exploration de données Extract-transform-load Traitement analytique en ligne

v · m Écosystème Hadoop
Distributions Hadoop	Cloudera Hortonworks MapR
Base de données	HBase
Flux de données	Apache Sqoop Apache Flume Apache Kafka Apache Storm Apache Flink
Interrogation	Apache Hive Spark SQL Pig
Machine Learning	Apache Mahout Apache Spark ML
SQL	Presto Apache Hive Apache Impala Apache Drill
Gestionnaire de cluster	Hadoop YARN Apache Mesos Apache Spark
Format de fichier	RCFile Apache Avro Apache Parquet Apache ORC
Vrac	Presto Impala Kudu Pig Apache ZooKeeper

• Portail de l’informatique
• Portail des données