大数据计算引擎的国产化程度是一个复杂且多维度的问题，涉及到技术、政策、市场和产业等多个方面。
首先，从技术角度来看，中国的大数据计算引擎在近年来取得了显著的进步。例如，华为的GaussDB数据库、腾讯的TDSQL数据库等都是具有自主知识产权的国产数据库产品。这些产品在数据存储、查询、分析等方面都表现出了较高的性能和稳定性。然而，与国际上成熟的大数据计算引擎相比，如Hadoop、Spark等，中国的产品在数据处理速度、资源管理、分布式计算等方面还存在一定差距。
其次，从政策角度来看，中国政府高度重视大数据产业的发展，出台了一系列政策支持大数据基础设施建设和产业发展。例如，《国家大数据战略纲要》明确提出要加快构建以数据为关键要素的数字经济发展新动能，推动大数据与实体经济深度融合。此外，政府还鼓励企业加大研发投入，推动大数据技术的自主创新。
再次，从市场角度来看，随着大数据应用的普及，越来越多的企业开始关注大数据计算引擎的国产化问题。一些国内厂商已经开始研发自己的大数据计算引擎，以满足不同行业的需求。这些国产化产品在性能、稳定性等方面已经取得了一定的成果，但与国际先进水平相比，仍存在一定的差距。
最后，从产业角度来看，大数据产业是一个高度竞争的行业，国内外许多知名企业都在积极布局。为了提高国产化程度，中国企业需要加强技术研发，提高产品质量和服务水平。同时，政府也应加大对大数据产业的扶持力度，为企业提供良好的发展环境。
综上所述，虽然中国的大数据计算引擎在近年来取得了显著的进步，但与国际上成熟的大数据计算引擎相比，仍存在一定的差距。为了提高国产化程度，中国企业需要加强技术研发，提高产品质量和服务水平；政府也应加大对大数据产业的扶持力度，为企业提供良好的发展环境。
