Apache Kudu是Cloudera开源的存储引擎，可以同时提供低延迟的随机读写和高效的数据分析能力。

Kudu支持水平扩展，使用Raft协议进行一致性保证，并且与Cloudera Impala和Apache Spark等大数据查询和分析工具结合紧密。

同类产品

Apache Parquet或Apache ORC可以用来分析静态数据集，但它们不能更新数据，而且随机读写性能不足

Apache HBase、Apache Cassandra可以进行高效的随机读写，但并不适用于基于SQL的数据分析方向。

现在企业通常会存储两套数据分别进行实时读写与数据分析，比如先将数据写入HBase，然后在定期通过ETL导入到Parquet进行数据同步。但是这样做存在问题：

• 用户需要在两套系统之间编写并维护ETL逻辑

• 时效性差：ETL同步时间使数据存在“空档期”

• 在实际情况中，往往需要对历史数据进行更新，此时Parquet缺陷显露

• 存储资源浪费

Kudu不但提供行级的插入、更新、删除API，同时提供接近Parquet性能的批量扫描操作。

Kudu使用同一份存储，既可以进行随机读写，也可以满足数据分析的需求。

Tables与Schemas

Kudu是存储结构化数据表的存储系统，在一个kudu集群中可以定义任意数量的table，每个table都需要预先定义schema。

Kudu目前还不能像关系数据库一样支持二级索引。

读写操作

用户可以使用insert，update，delete api对表进行读写，但无论哪种api，都需要指定主键。

如果需要批量删除和更新操作，则需要依赖更高层次的组件（如Impala、Spark）

Kudu目前不支持多行事务。

在读操作方面，Kudu只提供Scan操作获取数据，可以指定过滤条件获取想要读取的数据。

目前只提供两种类型的过滤条件：主键范围，列值与常数的比较。

Kudu在硬盘中数据采用列式存储，所以只扫描需要的列可以提高读取性能。

一致性模型

Kudu为用户提供两种一致性模型，默认是snapshot consistency

一致性模型保证用户每次读取出来的都是一个可用的快照，但它只能保证单个client可以看到最新的数据，而不能保证多个client每次取出的都是最新的数据。

另一种一致性模型external consistency，可以在多个client之间保证每次取到的都是最新数据，但kudu没有提供默认实现。