Hadoop 不可不知的11个真相

Hadoop虽然目前有点走下坡路，但依然是大数据的主流架构之一，实际上，尽管其出现和发展已经历经多年，但很多人并不一定真正了解它。中培教育《大数据平台搭建与高性能计算最佳实战》专家钟老师在这里就有关Hadoop的11个真相进行了介绍，希望对大家进一步了解Hadoop有所帮助。

真相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，但真相上它由多个不同的产品共同组成。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。

真相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?钟老师解释道，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。

真相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。

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。

真相4：HDFS是文件系统，而不是数据库管理系统。

钟老师最无法忍受的，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。

真相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。实际上兼容性只是一个短时间问题，但却阻碍了Hadoop的普及。

真相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，钟老师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。

真相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。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。”

真相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，但真相是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。

真相Hadoop不仅仅是Web分析。

Hadoop在互联网中的运用非常普遍，不过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。

真相：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，钟老师却认为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。

真相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。钟老师称，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。