Apache的Hadoop技術(shù)在幫助企業(yè)管理海量數(shù)據(jù)中變得越來越關(guān)鍵。包括NASA、推特和Netflix等用戶對這一開源分布式計算平臺的依賴性越來越大。隨著越來越多的公司開始使用Hadoop處理大數(shù)據(jù)，因此我們預(yù)測Hadoop不久就會推出2.0版本。

　　隨著越來越多的公司開始使用Hadoop處理大數(shù)據(jù)，因此我們預(yù)測Hadoop不久就會推出2.0版本。

　　如今，Apache的Hadoop技術(shù)在幫助企業(yè)管理海量數(shù)據(jù)中變得越來越關(guān)鍵。包括NASA、推特和Netflix等用戶對這一開源分布式計算平臺的依賴性越來越大。

　　Hadoop作為一種處理大數(shù)據(jù)的機制已經(jīng)獲得了越來越多的支持。因為企業(yè)計算機系統(tǒng)中的數(shù)據(jù)量正在快速增長，企業(yè)開始嘗試從這些海量數(shù)據(jù)中獲得派生價值。由于認識到了Hadoop的潛力，用戶開始在使用現(xiàn)有Hadoop平臺技術(shù)的同時，積極研發(fā)自己的技術(shù)以對Hadoop堆棧進行補充。

　　Hadoop的企業(yè)使用現(xiàn)狀與未來

　　NASA希望Hadoop處理眾多項目中的龐大數(shù)據(jù)，如SKA(平方千米陣列)星空圖像。這些圖像在未來十年內(nèi)的生成速度將達到700TBps。NASA高級計算機專家Chris Mattmann稱，包括Hadoop在內(nèi)的數(shù)據(jù)系統(tǒng)和Apache OODT 等技術(shù)將用于應(yīng)對這些海量數(shù)據(jù)負載，

　　推特的數(shù)據(jù)專家Oscar Boykin稱：“推特是Hadoop的一個大客戶。所有(向用戶提供定制化推薦的)相關(guān)產(chǎn)品都在一定程度上與Hadoop進行著互動。”公司使用Hadoop的時間已經(jīng)有四年了，并且研發(fā)了Scalding。Scalding為一款Scala庫，旨在讓編寫Hadoop MapReduce的工作變得更容易。該產(chǎn)品建立在Cascading Java庫的頂層，旨在對Hadoop的復(fù)雜性進行概括。

　　Hadoop的子項目包括MapReduce、HDFS(Hadoop分布式文件系統(tǒng))和Common。MapReduce為用于處理計算集群上的大型數(shù)據(jù)集的軟件框架，HDFS提供了對應(yīng)用數(shù)據(jù)的高速訪問，Common則為支持其它Hadoop子項目提供了一些實用工具。電影租賃服務(wù)商Netflix已經(jīng)開始使用用于配置管理的Hadoop相關(guān)技術(shù)Apache ZooKeeper。Netflix 高級平臺工程師Jordan Zimmerman稱：“我們在分布式鎖、部分隊列排列和領(lǐng)導(dǎo)人選舉等所有類型的工作中都使用了這種技術(shù)，以優(yōu)化服務(wù)活動。我們針對ZooKeeper開發(fā)了一個開源客戶端，我們稱其為Curator。這個客戶端作為一個開發(fā)者庫與ZooKeeper相連。”[page]

　　Tagged 高級數(shù)據(jù)工程師Rich McKinley 稱，Tagged社交網(wǎng)絡(luò)正在使用Hadoop技術(shù)用于數(shù)據(jù)分析，處理每天所生成的近0.5個太字節(jié)的新數(shù)據(jù)。Hadoop還正在被用于Greenplum數(shù)據(jù)庫容量之外的任務(wù)中。目前Tagged仍然在使用Greenplum數(shù)據(jù)庫，McKinley稱：“我們希望僅通過擴展讓Hadoop做更多的工作。”

　　盡管大家都在稱贊Hadoop，但是部分用戶認為仍然有一些問題需要解決，如在可靠性和工作追蹤上的不足。Tagged的McKinley指出了在延時上存在的問題。“獲得數(shù)據(jù)的時間應(yīng)當非?？?，然而每個人的最大抱怨是其進行查詢時的延遲太高。”Tagged目前正在使用另一個Hadoop 派生項目Apache Hive進行查詢。他稱“Hadoop需要花上數(shù)分鐘才能給出結(jié)果，而Greenplum給出結(jié)果只需要數(shù)秒鐘。但是與Greenplum相比，Hadoop更為便宜。”

　　Hadoop 2.0具備哪些特點?

　　Hadoop 1.0在2011年被推出，其擁有通過Kerberos(麻省理工學院開發(fā)的安全認證系統(tǒng))的高強度安全認證，支持HBase數(shù)據(jù)庫。對于即將推出的新版本，HortonWorks首席技術(shù)官Eric Baldeschwieler提供了一個包括2.0版本在內(nèi)的Hadoop路線圖。(HortonWorks公司是Apache Hadoop的資助者之一)2.0版本在今年年初已經(jīng)進入了測試階段。Baldeschwieler稱：“MapReduce層進行了部分重寫，所有的存儲邏輯和HDFS都進行了徹底重寫。”

　　Hadoop 2.0重點放在了利用Yarn(下一代MapReduce)和眾多功能進行擴展與創(chuàng)新方面。Yarn將允許用戶添加自己的計算模型，這樣一來，用戶就不用必須使用MapReduce了。Baldeschwieler稱：“我們希望社區(qū)能夠發(fā)現(xiàn)更多使用Hadoop的新方法。所期待的用法包括實時應(yīng)用和機器學習算法?？蓴U展性、插接式存儲也已經(jīng)被規(guī)劃。”

　　永遠在線功能將讓Hadoop 2.0能夠讓集群不再出現(xiàn)宕機。擴展存儲也已經(jīng)被規(guī)劃。Hadoop 2.0的公布發(fā)行版本預(yù)計將在今年被推出。