有关Hadoop的六大误解
迄今为止,Hadoop和大数据实际上是同义词。然而随着大数据的炒作不断升温,出现了很多对Hadoop如何应用于大数据的误解。
Hadoop是一种用于存储和分析大型数据集开源软件框架,可处理分布在多个现有服务器中的数据。Hadoop适合处理来自手机、电子邮件、社交媒体、传感器网络和其它不同渠道的多样化、大负荷的数据,因此通常被认为是一种大数据操作系统。而这正是第一个误解的来源:
1、Hadoop是一个完整的解决方案。
事实并非如此。无论你把它称为“框架”或“平台”都可以,只是不能认为Hadoop可以解决大数据方面的所有问题。
“市场上没有标准的Hadoop产品,”《太大而无法忽略:大数据的商业案例》一书的作者菲尔·西蒙说:“这不像别的东西,你可以从IBM或SAP那里,得到一个标准的数据库。”
然而西蒙不认为这是一个长期的问题。首先,由于Hadoop是开源项目,许多其他Hadoop相关的项目,如Cassandra和HBase,都可以满足特定的需求。HBase提供的分布式数据库,支持大数据表的结构化数据存储。
此外,正像红帽、IBM和其他厂商将Linux打包成各种用户友好的产品一样,有很多大数据方面的创业公司,正在对Hadoop做同样的事情。所以,虽然Hadoop本身不是一个完整的解决方案,大多数企业实际上还是会在比较完整的大数据解决方案中遇到它。
2、Hadoop是一种数据库。
Hadoop是经常被当作数据库,但事实并非如此。Damballa安保公司的一名软件工程师,Marshall Bockrath-Vandegrift说:“Hadoop核心中没有任何类似于查询或索引的核心平台。”Damballa公司利用Hadoop来分析实时的安全风险。
“我们使用HBase来帮助我们的风险分析师针对被动DNS数据运行实时查询。HBase和其他实时技术不仅与Hadoop是互补的,而且多数依赖Hadoop核心的分布式存储技术(HDFS)来实现高性能的分布式数据集的访问。”他补充说。
Bloom Reach数据营销分析公司的科学家Prateek Gupta也表示:“Hadoop不是为替代数据库系统而生的,但却可以用来建立数据库系统。”
3、企业级Hadoop应用过于冒险。
许多企业担心Hadoop太新,未经考验,不适合企业级应用。没有什么想法比这更错误的了。别忘了,Hadoop是基于谷歌文件系统的分布式存储平台和运行于该文件系统上的GoogleMapReduce数据分析工具建立的。雅虎在Hadoop上投入了资金和精力,并于2008年推出其第一个大型Hadoop应用,一种搜索“站点地图”,可对所有已知的网页和相应的元数据进行索引,从而完成对这些页面的搜索。
现在,Hadoop被包括Netflix、Twitter和eBay等公司所采用,包括微软、IBM和甲骨文这样的公司都有Hadoop工具出售。目前,将Hadoop称为“成熟”的技术还为时尚早,这一点与任何大数据平台的情况类似,然而它确实已经得到了大型企业的采纳和验证。
这不意味着它是一种没有风险的平台,安全问题本身就是一个比较棘手的问题。但企业远不该就因此被Hadoop平台的年轻而吓跑。
4、要使用Hadoop,就得请一堆程序员。
取决于你要做的事情,这个说法或许是对的。如果你计划开发优秀的下一代Hadoop大数据套件,可能需要专业的Java和MapReduce编程人员。反过来,如果你愿意利用他人的成就,编程就不是一个问题。数据集成供应商Syncsort的建议分析师们利用Hadoop兼容的数据集成工具来运行高级查询,这样做无需任何编码工作。
大多数数据集成工具都有图形化界面,可以屏蔽MapReduce编程的复杂性,很多还带有预置的模板。此外,包括Alpine Data Labs、Continuuity和Hortonworks在内的创业型公司,还提供可以简化大数据和Hadoop应用的工具。
5、Hadoop不适合中小企业。
许多中小企业担心会被“大数据”的趋势拒之门外。IBM、甲骨文等大型厂商自然倾向于兜售大而昂贵的解决方案。这并不意味着市场上没有适合中小企业的相关工具。
云计算正在迅速推动一些尖端技术的大众化应用。“云计算正将资本支出转化为运营成本,”《大数据》的作者菲尔·西蒙指出。“你可以和Netflix利用相同的云服务。同样的事情也开始发生在大数据领域,一个只有五个员工的企业,照样可以使用Kaggle。”
Kaggle称自己为“在数据问题和数据方案间搭建桥梁的市场。”例如,创业公司Jetpac以5000美元悬赏一种算法,以找出最有吸引力的度假照片。多数度假照并不好,而从中筛选是一个繁琐,耗时的过程。
Jetpac让人手工评选出了30000张照片,并且寻求一种能够与人工方式类似,只是通过分析元数据(照片大小、标题,描述信息)来进行排序的算法。如果该公司自行开发这一算法,花的钱绝对不止5000美元。而且他们只能得到一种方案,而不是从各种方案中优选。Jetpac的图像处理工具,最终帮助其获得了240万美元的风投资金。
6、Hadoop比较便宜。
这个误解对任何开放源代码的软件都适用。省下最初的采购成本,并不意味着你一定会省钱。例如,云计算的问题之一就是,要在亚马逊平台上建立一个科研项目非常容易,以致于很多人都在AWS建立了自己的项目,在持续付费的同时,却忘了这些项目本身。
虚拟服务器的盲目扩张,已经使物理服务器的增加相形见绌。虽然Hadoop可以帮助你存储和分析数据,但你又如何将老的数据导入到新的系统中?如何实现数据的可视化?如何分享数据?对于这些会更多被大家分享的数据,你又如何去保护它?
Hadoop实际上一种东拼西凑的解决方案。你可以从Cloudera这样的公司获得完整的企业级解决方案,也可以着手建立自己高度定制化的解决方案。无论你选择的路线如何,都要认真做好预算,因为免费软件从来都不是真正免费的。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14