论各种BI工具的“大数据”特性

市面上的BI工具形形色色，功能性能包装得十分亮丽，但实际应用中咱们每每更关注的是朴实的技术特性和解决方案。对于大数据，将来的应用趋势不可抵挡，不少企业也正存在大数据分析处理展示的需求，如下咱们列举市面上主流的三款BI系统，就“大数据”特性展开探讨，主要是与Hadoop、Spark、多维分析数据库的对接和性能。
Tableau的大数据策略
一、目前，Tableau适用的大数据生态系统链接包括：
Hadoop：Cloudera Impala 和 Hive、Hortonworks Hive、MapR Hive、支持 Impala 和 Hive 的Amazon EMR、Pivotal HAWQ、IBM BigInsights
NoSQL：MarkLogic、Datastax
Spark：Apache Spark SQL
多维分析数据库： Teradata Aster、HP Vertica、SAP Hana、SAP Sybase、Pivotal Greenplum

二、Tableau 可实时链接到数据源，或将其调入内存。在快速交互式查询分析时，实时链接做用很大。但因为内存式分析，对硬件要求较高，数据量较大时效率会比较低。
三、面向业务用户的大数据自助式可视化。业务用户可以使用拖放操做可视化其数据，而无需编写复杂的SQL、Java代码或 MapReduce做业。Tableau简化了分析数据的任务，用户可比之前更快地从数据中发现形象可见的看法。
FineBI的双套大数据方案
一、FineBI支持的大数据生态系统链接包括
大数据平台：Vertica、GreenPlum、Apache Kylin、Impala/hive、hive、星环，
NO SQL数据库：MongoDB
多维分析数据库：Teradata、SAP Hana、Greenplum、SAP Sybase、Essbase、SSAS
二、FineBI支持FineIndex和FineDirect两种数据链接和处理模式，应对的是不一样的数据方案。
FineDirect应对的是一些须要实施展示结果，好比银行交易风险的流水分析，直接对接hadoop，kylin，greenplum等大数据平台。
FineIndex采用cube连，也就是说数据库-FineIndex-前端分析，FineIndex至关于一个中间库的形式，用来存储数据表，关联转义索引等。这些都对后续前台分析处理数据效率有很大的提高（由于直接sql取数，效率受数据库自己的限制，数据量大时，通常分析工具很容易就卡死升职内存溢出致使系统无响应）
三、用于执行跨数据源分析的数据混合。FineBI能够将大数据和其余数据源（如MySQL、Excel 文件等）混合，让用户可以跨越各类数据源存取数据，并整合到一个库内（FineIndex）。

Qlikview
一、Qlikview也是基于内存的BI，能实时响应用户的分析需求，与Tableau类似，性能大多决定于数据库。能直接从用户的业务系统中采集数据并进行多维分析，剔除了传统BI基于数据仓库(集市)才能实施的弊病。（做者从网上和其资料库中并无查到太多关于大数据方面的阐述，官方也并无这方面的能够宣传）。
二、QlikView的核心是一个得到专利的AQL构架。在分析时不须要传统OLAP立方体，也不必定要使用数据库，彻底利用了基础硬件平台，来对上亿的数据进行业务分析。QlikView应用使各类各样的终端用户以一个高度可视化，功能强大和创造性的方式，互动分析重要业务信息。