Kudu有哪些优缺点？

1、只有主键可以设置range分区。
2、如果是pyspark连接kudu，则不能对kudu进行额外的操作。
3、kudu的shell客户端不提供表schema查看。
4、Kudu不支持复杂的数据类型，如数组、映射和结构体。
5、Kudu的数据复制策略是基于raft协议的，这意味着在大规模的集群中，Kudu可能会遇到一些性能问题。
6、Kudu不支持事务，这可能会在需要保证数据一致性的场景中造成问题。
7、Kudu的社区相对较小，这可能会影响到问题的解决速度和软件的更新速度。

1、一个table由多个tablet组成，能够很好地支持分区查看、扩容和数据高可用。
2、Kudu提供了一种简单的原生存储方式，可以在一个平台上进行快速的分析和实时的数据更新。
3、Kudu的数据模型是基于列的，这使得它在处理大数据分析时非常高效。
4、Kudu支持在数据插入、更新和删除操作中进行实时的数据分析。
5、Kudu的存储和查询性能非常高，它可以在大规模并行处理（MPP）数据库上进行高效的扫描。
6、与imapla集成或spark集成后(dataframe)可通过标准的sql操作，使用起来很便捷