kudu

既要具备hdfs（存储海量文件，分析能力强）的能力，又具备hbase（快速的增删改查，和分析能力弱）的能力

需要随机读写，又需要批量分析的大数据场景。（用一个组件实现）

数据过度冗余：数据需要存储多份，这样造成存储等资源的浪费。
架构复杂导致开发、运维、测试的成本高；同时维护多套存储系统，架构复杂，开发、运维、测试成本相对较高。
数据不一致容易误解：多套数据由于程序bug或其他原因很容易出现数据不一致的情况，往往会造成业务方的误解。

OLAP：分析 查询
OLTP：事务 增删改
HTAP：分析+事务（随机读写和批量分析）

既支持随机读写（流式数据）、又支持OLAP分析的大数据存储引擎。

业务调研环节比较困难，存在调研不清楚甚至调研的结果不真实等。