1、離線數據：hive
Hive 查詢操作過程嚴格遵守Hadoop MapReduce 的作業執行模型，Hive 將用戶的Hive SQL 語句通過解釋器轉換為MapReduce 作業提交到Hadoop 集群上，Hadoop 監控作業執行過程，然后返回作業執行結果給用戶。
Hive 并非為聯機事務處理而設計，Hive 并不提供實時的查詢和基于行級的數據更新操作。Hive 的最佳使用場合是大數據集的批處理作業。
使用hive sql 時，其語言將被轉化為mapreduce過程執行。
2、準實時數據：spark
Spark之所以能成為準實時數據查詢主要基于兩點：
1）spark stream將數據分成小的時間片段，以類batch批量處理的方式來處理這部分數據
2）能基于內存進行迭代，以RDD的形式實現（記錄操作而非數據本身），因此也存在容錯能力。
使用spark sql時，其語言將被轉化為RDD，然后將會交到集群執行。
3、實時數據：flink
Flink本身是個計算引擎，不存儲數據，因此使用前需要確定其數據的輸入（SOURCE）/輸出（SINK）系統。實時計算/Flink中所謂的建表，都是邏輯表，目的僅是讓Flink作業知道上下游的數據結構。并不會真的在上下游系統建表。
簡單來說，flink sql是一個常駐進程，一個sql文件，就對應于一個flink作業。如果不殺死這個進程，一旦由新的數據輸入，就會產生新的數據結果。