极速执行器: 高效的执行器，比传统数仓 /MPP 快 5 -10 倍，比 Hadoop SQL 引擎要快 5 -30 倍。
私有云和公有云部署：反对亚马逊和阿里云等私有云平台，同时能够反对支流 PaaS 云平台（比方 Kubernetes 等）和 Docker 部署。
对规范的欠缺反对：ANSI SQL 规范，OLAP 扩大，规范 JDBC/ODBC，比 Hadoop SQL 引擎都要欠缺。
具备十分成熟的并行优化器。优化器是并行 SQL 引擎的重要组成部分，对性能影响很大，尤其是对简单查问。
反对 ACID 事务个性：这是很多现有基于 Hadoop 的 SQL 引擎做不到的，对保证数据一致性很重要。能够无效缩小开发及运维人员的累赘。
动静数据流引擎：基于 UDP 的高速互联网络。
弹性调度执行：能够依据查问大小来决定执行查问应用的节点及 Segment 个数。
反对多种分区办法及多级分区：反对 List 分区和 Range 分区。分区表对性能有很大晋升作用，如果用户只想拜访最近一个月的热数据，查问只须要扫描最近一个月数据所在分区。
反对多种压缩办法：snappy，gzip，zlib, zstd, lz4, RLE 等。
多种存储过程语言反对：python, c/c++, perl 等。
动静扩容：动静按需扩容，依照存储大小或者计算需要，秒级增加节点。
多级资源和负载治理：和内部资源管理器 YARN 集成；能够治理 CPU，Memory 资源等；反对多级资源队列；具备不便的 DDL 治理接口。
反对拜访任何 HDFS 及其他零碎的数据：各种 HDFS 格局（文本，ORC 等等）以及其余内部零碎（Hive 等），并且用户本人能够开发插件来拜访新的数据源。
原生的机器学习数据挖掘库 MADLib 反对：易于应用及高性能。
与 Hadoop 零碎无缝集成：存储、资源、装置部署、数据格式和拜访等。
欠缺的平安及权限治理：kerberos；数据库，表等各个级别的受权治理。
反对多种第三方工具：比方 Tableau，SAS，较新的 Apache Zeppelin 等。