現如今，Apache Hadoop已經無人不知無人不曉。當年雅虎搜索工程師Doug Cutting開發出這個用以創建分布式計算機環境的開源軟件庫，并以自己兒子的大象玩偶為其命名的時候，誰能想到它有一天會占據“大數據”技術的頭把交椅呢。

　　雖然Hadoop伴隨大數據一同火爆起來，但相信還是有許多用戶對于它不甚了解。在上周名的TDWI解決方案峰會中， TDWI研究主任兼行業分析師Philip Russom發表了“關于Hadoop的12點事實”的主題演講，下面是演講精華內容的總結，希望對您進一步了解Hadoop有所幫助。

　　事實1：Hadoop是由多個產品組成的。

　　人們在談論Hadoop的時候，常常把它當做單一產品來看待，但事實上它由多個不同的產品共同組成。

　　Russom說：“Hadoop是一系列開源產品的組合，這些產品都是Apache軟件基金會的項目。”

　　一提到Hadoop，人們往往將其與MapReduce放在一起，但其實HDFS和MapReduce一樣，也是Hadoop的基礎。

　　事實2：Apache Hadoop是開源技術，但專有廠商也提供Hadoop產品。

　　由于Hadoop屬于開源技術，可免費下載，所以IBM、Cloudera和EMC Greenplum等廠商都可以推出他們各自的Hadoop特別發行版本。

　　這些特別發行版本一般都會有一些附加特性，比如高級管理工具及相關的支持維護服務。有人可能對此嗤之以鼻：既然開源社區是免費的，那么我們為什么還要為它的服務付費?Russom解釋道，這些版本的HDFS對一些IT部門更合適，特別是企業IT系統已經相對成熟的用戶。

　　事實3：Hadoop是一個生態系統，而非一個產品。

　　Hadoop是由開源社區和各個廠商共同開發和推動的。具體說來，廠商的Hadoop的產品其結構化和關系性更強一些。

　　Russom說：“一直以來報表平臺、數據集成平臺在為更新的平臺提供各種各樣的接口，Hadoop當然也不例外。”

　　事實4：HDFS是文件系統，而不是數據庫管理系統。

　　Russom最無法忍受的，就是人們常常把二者混為一談。能夠對數據集進行管理是數據管理系統很重要的特性之一，這一點HDFS是不具備的。

　　數據庫管理系統中，我們通過查詢索引可以實現對數據的隨機訪問，它往往處理的是結構化的數據，而在Hadoop中不會處理這樣的數據類型。

　　事實5：Hive與SQL類似，卻非標準SQL。

　　傳統獲取數據的業務工具大多都是基于SQL的，這比較讓人頭疼，因為Hadoop使用的是一種類似SQL但不是SQL的語言——Apache Hive和HiveQL。

　　Russom說：“我常聽到別人說，‘Hive學起來非常簡單，直接學Hive就行。’但這并不能解決與SQL工具兼容的根本問題。”

　　Russom認為兼容性只是一個短時間問題，但卻阻礙了Hadoop的普及。

　　事實6：Hadoop與MapReduce相互關聯，但不相互依賴。

　　MapReduce早在HDFS出現以前就由Google開發推出。除此之外，諸如MapR一類的廠商一直在宣傳MapReduce功能的多樣性，無需HDFS支持。

　　盡管如此，Russom卻認為它們具有很好的互補性。HDFS的大部分價值都體現在可層疊到分布式文件系統的工具上。

　　事實7：MapReduce提供的是對分析的控制，而不是分析本身。

　　MapReduce是一種通用執行驅動引擎，可協助大數據分析。它能讀取手寫代碼數據，對其進行并行自動處理，并將結果映射到單一集合中。然而我們需要明確一點，MapReduce自身并不進行分析工作。

　　Russom說：“MapReduce可以看作是升級版的MPP架構。你無論怎樣編寫代碼，它都可以把它們并行化，非常強大。”

　　事實8：Hadoop的意義不僅僅在于數據量，更在于數據的多樣化。

　　有人把Hadoop歸類為海量數據處理技術，但是Hadoop真正的價值卻是對多樣化數據處理的能力。

　　Russom說：“Hadoop的處理范圍為大多數數據倉庫所不及，比如針對半結構化與完全非結構化的數據。”

　　事實9：Hadoop是數據倉庫的補充，不是數據倉庫的替代品。

　　Hadoop對多樣化數據類型進行管理的能力使得“數據倉庫將死”的言論四起，然而Russom卻進行了反駁。

　　他反問道：“在IT領域，人們多久替換一項技術?幾乎從來沒有過。”

　　數據倉庫在其領域中的性能仍然出色，Hadoop可起到對數據倉庫技術進行補充的作用。數據倉庫和其他系統的架構越來越多地開始向分布式靠攏，Hadoop在這里將發揮其作用。

　　事實10：Hadoop不僅僅是Web分析。

　　Hadoop在互聯網中的運用非常普遍，Russom認為Hadoop普及趨勢的部分原因是因為它可以處理更多類型的分析。

　　Russom舉了鐵路公司、機器人和零售業的例子。鐵路公司可使用傳感器對異常高溫的軌道車輛進行探測，以阻止事故的發生。

　　Russom盡管十分看好Hadoop的前景，但同時認為它的普及還需要數年時間。

　　事實11：大數據不一定非Hadoop不可。

　　別看現在大數據和Hadoop已經密不可分，Russom卻認為Hadoop并不是大數據的“唯一”。他提到了許多其他廠商的產品，如Teradata、Sybase IQ（被SAP收購）和Vertica（被HP收購）等。

　　除此之外，在Hadoop沒有誕生之時，一些企業就已經開始研究大數據了。例如，電信行業多年以前就有呼叫明細記錄。

　　事實12：Hadoop不是“免費午餐”。

　　雖然Hadoop屬于開源技術，但是軟件的安裝部署是需要花錢的。Russom稱，由于Hadoop在管理工具與支持服務方面的不足，企業在使用過程中很容易產生額外費用。另外，由于它沒有優化程序，我們只能請專業人士在運行環境中手寫輸入代碼，而這些專業人士的薪酬價碼都不菲。

　　更不用提部署Hadoop集群的硬件和相關配置的成本。

　　他說：“千萬別以為Hadoop是免費的或者很便宜，它背后的隱性開銷你是一下子看不到的。”