特性：

• 快速高效

• 完全的分布式SQL查詢處理引擎。

• 高級查詢優化，如基于成本和漸進式的查詢優化。

• 合理的數據集上進行交互式分析。

• 可伸縮

• 容錯性與長時間運行查詢的動態調度。

• 比主內存更大的數據集核外算法。

• 可兼容

• 遵從ANSI / ISO SQL標準。

• 支持Hive MetaStore 的訪問。

• 支持JDBC驅動。

• 支持各種格式文件。如CSV、 JSON、 RCFile、SequenceFile、 ORC以及 Parquet。

• 簡單

• 用戶定義函數

• 交互性的外殼

• 方便的備份/恢復功能

• 異步/同步Java API

體系架構：

Tajo采用了Master-Worker架構，Master-Worker-Client之間的RPC通信是使用Protocol buffer + Netty來實現的，具體如下：

1） TajoMaster：為客戶端提供查詢服務和管理各個QueryMaster（也可以說是Tajo Worker），解析Query并協調QueryMaster，目前還內置了catalog服務器。大致可以分為四個組件：Cluster Manager、Catalog、Global Query Engine以及History Manager。

• Catalog 的工作是管理諸如tables、schemas、partitions，functions，indices及statistics等各種metadata。這些元數據信息一般都是Global Query Engine來操作，為了低延遲考慮跟hive一樣都是存在RDBMS（目前支持Derby和MySQL），默認是保存在內置的Derby數據庫中。后面可能會考慮使用hive的HCatalog來完成這塊功能。

• Cluster Manager 主要是管理集群中各個節點之間的通信信息及資源（內存/CPU/Disk）信息，每個節點定期發送資源信息，交給Master來管理將用于查詢計劃的分配等，這一塊是依賴Yarn的ResourceManager來管理。

• Global Query Engine 當一條query提交到master，GQE就會依據表的metadata以及集群資源信息（依賴于Catalog和Cluster Manager兩個模塊提供的信息）生成一個全局的查詢計劃。對于一個分布式執行環境，全局的查詢計劃將會被分片，劃分成各個查詢單元分配給各個worker去執行，在這些worker執行過程中GQE會監控每一個查詢單元的運行狀況并實時去優化和容錯。在這一塊目前的語法解析是用ANTLR 4生成AST（抽象語法樹），這個以后可能會使用Tenzing的SQL Query Engine。

• History Manager 收集各個query job狀態信息包括查詢語句，劃分的查詢單元等，通過web ui（默認端口號：26080）可以查詢。

2） QueryMaster：負責一個query的解析、優化與執行，它參與多個task runner worker協同工作，完成一個query的計算。每個Query Master可以生成多個TaskRunner來執行master的查詢單元，這些task runner都是由yarn中的NodeManager來管理。

3）Tajo Worker 每個節點就是一個worker角色，每個worker包含存儲模塊管理和一個Local模式的Query Engine，這個local模式的Query Engine就是來接受master分配的查詢單元。每個查詢單元包含一個邏輯查詢計劃和一個分片（輸入數據關系的信息塊），在執行過程中worker定期向master匯報查詢進度和資源信息，master可以很靈活地面對非異常的錯誤。

如上圖所示，Tajo采用傳統數據庫技術開發了SQL解析器，包括SQL解析、生成查詢計劃、優化查詢計劃、執行查詢技術等。但與傳統的數據庫技術不同，Tajo最終執行查詢技術時借鑒了MapReduce的設計思想，它將查詢計劃轉化為一系列任務，這樣，執行查詢計劃實際上就是執行這些任務，而每一個任務就是一個計算單位，同時Map Task和Reduce Task一樣。