除非你過去幾年一直隱居，遠離這個計算機的世界，否則你不可能沒有聽過Hadoop，全名Apache Hadoop,是一個在通用低成本的硬件上處理存儲和大規模並行計算的一個開源框架，Hadoop本質的12點介紹，具體如下：
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。
2.Apache Hadoop是開源技術，但專有廠商也提供Hadoop產品。
由於Hadoop屬於開源技術，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，那麼我們為什麼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。
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係性更強一些。
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。”
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。
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於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。’但這並不能解決與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。
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。
儘管如此，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佈式文件系統的工具上。
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，可協助分析。它能讀取手寫代碼數據，對其進行並行自動處理，並將結果映射到單一集合中。然而我們需要明確一點，MapReduce自身並不進行分析工作。
Russom說：“MapReduce可以看作是升級版的MPP架構。你無論怎樣編寫代碼，它都可以把它們並行化，非常強大。”
8.Hadoop的意義不僅僅在於數據量，更在於數據的多樣化。
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的處理範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。”
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佈式靠攏，Hadoop在這裡將發揮其作用。
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儘管十分看好Hadoop的前景，但同時認為它的普及還需要數年時間。
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並不是大數據的“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。
12.Hadoop不是“免費午餐”。
雖然Hadoop屬於開源技術，但是軟件的安裝部署是需要花錢的。Russom稱，由於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，由於它沒有優化程序，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，它背後的隱性開銷你是一下子看不到的。”
數據時代的未來，一定離不開Hadoop，對人工智能和大數據感興趣的朋友，可以關注多智時代，及時查閱相關的基礎知識，如有疑問，請在留言區，加以斧正。
閱讀更多 多智時代 的文章
