第二，实时分析。UDH采用的是流式处理，不用攒一大批数据再批处理。数据在内存中，不经过磁盘。UDH十分灵活，采用DAG计算模型，可以根据业务需要增减bolt组合计算流程。 UDH支持大吞吐量，单集群一个topology每个bolt 10个并发，处理10Gb/s。并且在10秒内就可以检测到异常访问;

第三，非结构化数据即席分析。UDH支持大部分Hive Query Language (HiveQL)的SQL-92特性，包括查询、连续和聚合等;支持文本、SequenceFile、RCFile、Avro file和Parquet等文件格式。支持Snappy、GZIP、Deflate和BZIP等压缩算法。采用通用的查询接口：ODBC/JDBC，Hue Beeswax和Cloudera Impala Query UI。提供命令行接口以及Kerberos安全认证;

第四，内存分析计算。如果完全在内存中计算，UDH比Hadoop MapReduce快100倍以上;如果包含磁盘数据，则快10倍以上。支持循环数据流和内存计算。可使用编程语言Java，Scala或者Python。可利用它包含的80多个函数快速开发分布式应用。提供了Scala和Python的Shell接口。

另外，非结构化数据还有安全和稳定性方面的风险。特别麻烦的是在HA的部分，企业用户如果对Hadoop整个产品体系的发展、演变和技术架构不是很熟悉的情况下，要部署HA，十分困难。安全的部分，如何实现对数据的强认，也相当复杂，极易出错的一些设定和时限步骤。通过使用用友UAP的UDH，这些东西统统做成自动化，用户基本上不会感觉到什么问题。