分布式 SQL 引擎
提供全分布式的 SQL 查询处理能力，支持在 HDFS 等数据源上执行查询，并兼容 ANSI/ISO SQL 标准，便于已有 SQL 技能直接迁移使用。
价格官网未标价
平台Hadoop / JDBC / Java API
归类论文与学术
收录2026-01-01
复核2026-01-01
编辑评分
4.2 / 5
★★★★☆
Tajo编辑总结
Apache Tajo 是 Apache 基金会旗下的分布式数据仓库系统，运行在 Hadoop 之上，面向 HDFS 等数据源提供低延迟的 SQL 查询、在线聚合和 ETL 处理。项目支持 ANSI/ISO SQL 标准，提供 JDBC 驱动、交互式 Shell、自定义函数以及 CSV、JSON、RCFile、SequenceFile、ORC、Parquet 等多种文件格式支持。项目官网已标注 retired（退役），需参考 Attic 页面，当前文档版本停留在 0.11.3，最后的发布公告日期为 2016-05-18，此后未见新版本发布。
Tajo是什么？
Apache Tajo 是一个运行在 Apache Hadoop 之上的大数据关系型分布式数据仓库系统，定位为面向 HDFS 及其他数据源的低延迟、可扩展的即席查询、在线聚合与 ETL 处理引擎。项目由 Apache 软件基金会托管，2014-03-24 成为 Apache 顶级项目。
系统对外公布的能力包括全分布式 SQL 查询处理引擎、基于代价与渐进式查询优化、面向超过主内存规模数据的 out-of-core 算法，以及对 ANSI/ISO SQL 标准的兼容。数据接入方面支持 Hive MetaStore 访问、JDBC 驱动，并兼容 CSV、JSON、RCFile、SequenceFile、ORC、Parquet 等文件格式。
使用方式上，用户可以通过交互式 Shell 提交 SQL 查询，也可以借助异步/同步 Java API 或 JDBC 驱动集成到应用中。Getting Started 提供单机实例与集群实例的搭建说明，搭建前置条件为 Hadoop 2.3.0 或更高版本、Java 1.7 或更高版本、Protocol buffer 2.5.0。
Tajo核心功能
查询优化
集成基于代价的优化与渐进式查询优化策略，允许对分布式执行与数据流进行直接控制，从而在不同查询评估策略间做选择。
多格式支持
可读取 CSV、JSON、RCFile、SequenceFile、ORC、Parquet 等多种文件格式，覆盖常见的大数据存储格式，减少数据转换成本。
元数据与驱动
支持访问 Hive MetaStore，并提供 JDBC 驱动，方便与已有 Hive 生态及外部 BI、JDBC 工具对接。
大内存数据处理
针对超过主内存规模的数据集使用 out-of-core 算法，可在常规集群硬件上处理更大体量的分析任务。
容错与调度
为长时间运行的查询提供容错机制与动态调度能力，降低长查询因节点故障中断的风险。
用户自定义函数
支持用户自定义函数（UDF），可在 SQL 中扩展内置函数无法覆盖的业务逻辑。
备份与恢复
提供便捷的 Backup/Restore 工具，便于对数据仓库内容进行备份与恢复操作。
Tajo适合谁用？
Hadoop 集群数据工程师
推荐需要在已有 HDFS 数据上跑 SQL 和 ETL，Tajo 支持 Hive MetaStore 与多文件格式，接入成本较低。
长查询批处理场景
推荐强调容错与动态调度面向长时间查询，适合对稳定性有要求的批处理任务。
寻找活跃维护项目的团队
不推荐官网已标注项目退役并指向 Attic 页面，最新文档版本为 0.11.3，长期维护与社区支持需谨慎评估。
需要低延迟交互式分析的用户
有条件定位包含低延迟即席查询，但官网未公开具体延迟基准与适用规模，选型前需自行验证。
Tajo优点和缺点
优点
- 兼容 ANSI/ISO SQL 标准，已有 SQL 技能可直接复用
- 包括 CSV、JSON、RCFile、SequenceFile、ORC、Parquet 六种以上格式支持
- 提供 JDBC 驱动与 Hive MetaStore 访问，便于对接现有生态
- 支持基于代价与渐进式查询优化
- 面向长查询提供容错与动态调度
缺点
- 官网已标注项目退役，需参考 Attic 页面
- 最新文档版本停留在 0.11.3，最后发布公告为 2016-05-18
- 官网未公开性能基准与集群规模建议
- 未说明授权条款细节与商业支持渠道
Tajo常见问题
Tajo 现在还在维护吗？＋
首页顶部已标注 This project has retired，并要求参考 Attic 页面。最后一条发布公告日期为 2016-05-18，对应版本 0.11.3，此后未再出现新版本发布信息。
Tajo 当前版本号是多少？＋
文档 Current 指向 0.11.3，页脚标注 Version: 0.12.0-SNAPSHOT。已正式发布的最后一个版本为 0.11.3，发布于 2016-05-18。
运行 Tajo 需要什么前置环境？＋
Getting Started 列出三项前置条件：Hadoop 2.3.0 或更高版本、Java 1.7 或更高版本、Protocol buffer 2.5.0。此外构建时需要显式指定 Hadoop 版本，否则集群可能无法正确运行。
Tajo 支持哪些数据文件格式？＋
包括的格式包括 CSV、JSON、RCFile、SequenceFile、ORC 和 Parquet。此外通过 Hive MetaStore 访问支持，可与 Hive 生态中的数据表对接。
Tajo 是怎么在 Hadoop 上跑的？＋
定位为 on Hadoop 的数据仓库系统，数据存储在 HDFS 及其他数据源上；官网 Getting Started 同时给出单机实例（基于本地文件系统）和集群实例（基于 HDFS）两种搭建方式。
Tajo 提供哪些接入方式？＋
包括的接入方式包括 JDBC 驱动、异步/同步 Java API，以及交互式 Shell。用户可以据此在应用代码、脚本或命令行中提交 SQL 查询。
Tajo 什么时候成为 Apache 顶级项目？＋
News 记录 2014-03-24 条目为 Apache Tajo became Apache Top-level Project。此前 2013-11-20 发布的版本号为 0.2.0-incubating。
Tajo竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Tajo本工具 | 4.2 | 未标价 | 分布式 SQL 引擎；查询优化；多格式支持；元数据与驱动 | Hadoop / JDBC / Java API |
| presto | — | 未标价 | 一个分布式 SQL 查询引擎，用来专门进行高速、实时的数据分析 | — |
| Samza | — | 未标价 | 一个分布式流处理框架，基于 Kafka 消息队列来实现类实时的流式数据处理 | Web / API |
| Drill | — | 未标价 | 一个能够对大数据进行实时的分布式查询引擎, | Web / API |
| Storm | — | 免费开源 | 一个免费开源、分布式、高容错的实时计算系统 | 分布式集群 / 任意编程语言接入 |
| 国内自主研发的新一代机构知识库系统 | — | 试用 IRP 知识库请联系：010-62198965 | 国内自主研发的新一代机构知识库系统 | Web |
Tajo最新动态
-
最后发布
Last Published: 2018-03-17，页脚标注 Version: 0.12.0-SNAPSHOT。
-
Tajo 0.11.3 发布
News 与 Releases 均记录该版本发布，并附 Announcement、Release Notes。
-
Tajo 0.11.2 发布
News 与 Releases 均记录该版本发布。
-
Tajo 0.11.1 发布
News 与 Releases 均记录该版本发布。
-
Tajo 0.11.0 发布
News 与 Releases 均记录该版本发布。
-
成为 Apache 顶级项目
News 记录 Apache Tajo became Apache Top-level Project。
