我开始探索钻取我们要求运行SQL-on-semi结构化数据的要求。我已经设置了一个带有zookeeper的4node钻孔集群。关于它的实际工作方式几乎没有问题，
当我在分布式模式下运行Drill时，使用dfs（本地文件系统），即我在其中一个节点上有一个1GB的Json文件（比如n1）。我可以通过从任何节点（n1，n2，n3，n4）启动sqlline来运行查询。仅仅在n1上激活日期。我的问题是
一个。查询是否在所有节点上执行？即，Drill会通过将数据分发到其他节点n2，n3n4？
来并行化查询执行湾如果否，通过在所有节点上复制相同的文件n2，n3，n4将有助于利用Drill的MPP架构？
答案 0 :(得分：1)
查询是否在所有节点上执行？ 也许，节点必须运行Drill，并且您要查询的数据必须位于分布式文件系统上，例如HDFS。 Drill不会分发文件。
运行Drillbit服务（您安装Drill的位置）的节点参与查询工作。仅从文件中加载查询中显示的列。 Drill尝试将查询中的任何过滤器推送到叶节点，以防止节点发送不通过过滤器的行。根据{{3}}，钻取在查询执行期间最大化数据局部性，而无需通过网络或节点之间移动数据。 docs部分讨论了并行化问题。当片段中的记录数达到100,000时，钻取并行化操作。
答案 1 :(得分：0)
Drill根据其元数据执行所有查询。因此，如果您的目标以跨节点的分布式格式存储，则同样适用于Drill。在其他情况下，它将仅在特定节点上运行。
考虑指向RDBMS源的钻取，然后在一个节点上执行查询。