微信号:dashuju36

介绍:关注大数据和互联网趋势,最大,最权威,最干货的大数据微信号(dashuju36).大数据第一科技媒体.不发软文,只做知识分享.

你需要了解 关于Hadoop与大数据的12个事实

2013-07-30 08:15 36大数据

事实1:Hadoop是由多个产品组成的。


人们在谈论Hadoop的时候,常常把它当做单一产品来看待,但事实上它由多个不同的产品共同组成。


Russom说:“Hadoop是一系列开源产品的组合,这些产品都是Apache软件基金会的项目。”


一提到Hadoop,人们往往将其与MapReduce放在一起,但其实HDFS和MapReduce一样,也是Hadoop的基础。


事实2:Apache Hadoop是开源技术,但专有厂商也提供Hadoop产品。


由于Hadoop属于开源技术,可免费下载,所以IBM、Cloudera和EMC Greenplum等厂商都可以推出他们各自的Hadoop特别发行版本。


这些特别发行版本一般都会有一些附加特性,比如高级管理工具及相关的支持维护服务。有人可能对此嗤之以鼻:既然开源社区是免费的,那么我们为什么还要为它的服务付费?Russom解释道,这些版本的HDFS对一些IT部门更合适,特别是企业IT系统已经相对成熟的用户。


事实3:Hadoop是一个生态系统,而非一个产品。


Hadoop是由开源社区和各个厂商共同开发和推动的。具体说来,厂商的Hadoop的产品其结构化和关系性更强一些。


Russom说:“一直以来报表平台、数据集成平台在为更新的平台提供各种各样的接口,Hadoop当然也不例外。”


事实4:HDFS是文件系统,而不是数据库管理系统。


Russom最无法忍受的,就是人们常常把二者混为一谈。能够对数据集进行管理是数据管理系统很重要的特性之一,这一点HDFS是不具备的。


数据库管理系统中,我们通过查询索引可以实现对数据的随机访问,它往往处理的是结构化的数据,而在Hadoop中不会处理这样的数据类型。


事实5:Hive与SQL类似,却非标准SQL。


传统获取数据的业务工具大多都是基于SQL的,这比较让人头疼,因为Hadoop使用的是一种类似SQL但不是SQL的语言——Apache Hive和HiveQL。


Russom说:“我常听到别人说,‘Hive学起来非常简单,直接学Hive就行。’但这并不能解决与SQL工具兼容的根本问题。”


Russom认为兼容性只是一个短时间问题,但却阻碍了Hadoop的普及。


事实6:Hadoop与MapReduce相互关联,但不相互依赖。


MapReduce早在HDFS出现以前就由Google开发推出。除此之外,诸如MapR一类的厂商一直在宣传MapReduce功能的多样性,无需HDFS支持。


尽管如此,Russom却认为它们具有很好的互补性。HDFS的大部分价值都体现在可层叠到分布式文件系统的工具上。


事实7:MapReduce提供的是对分析的控制,而不是分析本身。


MapReduce是一种通用执行驱动引擎,可协助大数据分析。它能读取手写代码数据,对其进行并行自动处理,并将结果映射到单一集合中。然而我们需要明确一点,MapReduce自身并不进行分析工作。


Russom说:“MapReduce可以看作是升级版的MPP架构。你无论怎样编写代码,它都可以把它们并行化,非常强大。”


事实8:Hadoop的意义不仅仅在于数据量,更在于数据的多样化。


有人把Hadoop归类为海量数据处理技术,但是Hadoop真正的价值却是对多样化数据处理的能力。


Russom说:“Hadoop的处理范围为大多数数据仓库所不及,比如针对半结构化与完全非结构化的数据。”


事实9:Hadoop是数据仓库的补充,不是数据仓库的替代品。


Hadoop对多样化数据类型进行管理的能力使得“数据仓库将死”的言论四起,然而Russom却进行了反驳。


他反问道:“在IT领域,人们多久替换一项技术?几乎从来没有过。”


数据仓库在其领域中的性能仍然出色,Hadoop可起到对数据仓库技术进行补充的作用。数据仓库和其他系统的架构越来越多地开始向分布式靠拢,Hadoop在这里将发挥其作用。


事实10:Hadoop不仅仅是Web分析。


Hadoop在互联网中的运用非常普遍,Russom认为Hadoop普及趋势的部分原因是因为它可以处理更多类型的分析。


Russom举了铁路公司、机器人和零售业的例子。铁路公司可使用传感器对异常高温的轨道车辆进行探测,以阻止事故的发生。


Russom尽管十分看好Hadoop的前景,但同时认为它的普及还需要数年时间。


事实11:大数据不一定非Hadoop不可。


别看现在大数据和Hadoop已经密不可分,Russom却认为Hadoop并不是大数据的“唯一”。他提到了许多其他厂商的产品,如Teradata、Sybase IQ(被SAP收购)和Vertica(被HP收购)等。


除此之外,在Hadoop没有诞生之时,一些企业就已经开始研究大数据了。例如,电信行业多年以前就有呼叫明细记录。


事实12:Hadoop不是“免费午餐”。


虽然Hadoop属于开源技术,但是软件的安装部署是需要花钱的。Russom称,由于Hadoop在管理工具与支持服务方面的不足,企业在使用过程中很容易产生额外费用。另外,由于它没有优化程序,我们只能请专业人士在运行环境中手写输入代码,而这些专业人士的薪酬价码都不菲。


更不用提部署Hadoop集群的硬件和相关配置的成本。


他说:“千万别以为Hadoop是免费的或者很便宜,它背后的隐性开销你是一下子看不到的。”


End.

___________________________________________________________

关注36大数据,每日为你带来最火热的大数据、数据报告、最新科技产品报道。微信号:dashuju36 更多内容阅读http://www.36dsj.com/


 
36大数据 更多文章 技术宅:大数据时代可能影响你的7个商业趋势 Google对外出借街景拍摄设备,你也可以做“人肉街景车”了 淘宝店铺如何从数据表象去指导销售? 如何让网站分析报告更有价值? 应用案例:大数据招聘,我就这样被算法选中
猜您喜欢 年度最可爱最认真最负责最个性化的代码注释为这般 建设可用&能用&宜用的三用大数据 人生苦旅 TraceView性能优化工具使用 把“挖掘机”送上天,谷歌投资的这群疯子意欲“挑战”蓝翔?