MapReduce stalo si? skutecznym frameworkiem do przetwarzania i analizowania ogromnych zbiorów danych w du?ych systemach. Z drugiej strony, zapytania SQL s? niezb?dne do stworzenia wydajnego i elastycznego translatora SQL do frameworka MapReduce. Istnieje pilna potrzeba stworzenia zoptymalizowanego translatora SQL, który b?dzie w stanie obslu?yc zaawansowane zapytania, co pozwoli zwi?kszyc wydajno?c analizy danych wraz z rosn?c? ilo?ci? danych BigBig Data DataData. Hive obsluguje zapytania zwane HiveQL. HiveQL oferuje te same funkcje co SQL, ale nadal trudno jest obslu?yc zlo?one zapytania SQL. W rezultacie r?czne tlumaczenie HiveQL cz?sto prowadzi do slabej wydajno?ci. Ponadto Flink stal si? skutecznym frameworkiem do analizy Big Data w du?ych systemach klastrowych. Z drugiej strony, FLink nie obsluguje ?adnego j?zyka zapyta?. Dlatego te?, aby wykonac zapytanie SQL w FLink, konieczne jest zaprojektowanie i wdro?enie translatora SQL do FLink. Praca przedstawiona w niniejszej ksi??ce uwzgl?dnia te ograniczenia translatorów SQL i proponuje dwa rozwi?zania, które mo?na uznac za translatory SQL do MapReduce, maj?ce na celu usprawnienie analizy Big Data.