Hadoop掀起大數(shù)據(jù)革命:三巨頭齊發(fā)力
大數(shù)據(jù)革命正以Apache Hadoop為中心如火如荼的進(jìn)行著。自從開源分布式數(shù)據(jù)處理平臺在5年前發(fā)布時討論之聲就不絕于耳。但在過去的18個月中，Hadoop贏得了客戶的認(rèn)可，并得到眾多商業(yè)化的支持以及眾多數(shù)據(jù)庫和數(shù)據(jù)集成軟件商的整合。在眾多廠商之中***的三個商業(yè)數(shù)據(jù)供應(yīng)商當(dāng)屬Oracle、IBM和Microsoft。
Hadoop會在未來成為大數(shù)據(jù)的重大技術(shù)嗎?
Hadoop是一個基于Java的分布式密集數(shù)據(jù)處理和數(shù)據(jù)分析的軟件框架。Hadoop在很大程度上是受Google在2004年白皮書中闡述的MapReduce的技術(shù)啟發(fā)。MapReduce工作原理是將任務(wù)分解為成百上千塊的小任務(wù)，然后發(fā)送到計算機集群中。每臺計算機再傳送會自己那部分信息，MapReduce則迅速整合這些反饋并形成答案。
Hadoop的擴展性非常優(yōu)秀，Hadoop可處理分布在數(shù)以千計的低成本X86服務(wù)器計算節(jié)點中的大型數(shù)據(jù)。同時由于眾所周知的摩爾定律，內(nèi)存和磁盤的容量也在不斷增長。Hadoop對硬件的支持也在加強，現(xiàn)在每個節(jié)點可部署16核的處理器，12TB甚至24TB磁盤。Cloudera透露其推出的產(chǎn)品每個節(jié)點的成本大約4000美元。這個價格對于關(guān)系數(shù)據(jù)庫部署每TB 10000至12000美元來說***競爭優(yōu)勢。
這種高容量低成本的組合引人注目，但Hadoop最吸引人的是其處理混合數(shù)據(jù)類型的能力。
Hadoop可以管理結(jié)構(gòu)化數(shù)據(jù)，以及諸如服務(wù)器日志文件和Web點擊流的數(shù)據(jù)。同時還可以管理以非結(jié)構(gòu)化文本為中心的數(shù)據(jù)，如Facebook和Twitter。這種處理多類型數(shù)據(jù)的能力非常重要。它催生了NoSQL平臺和產(chǎn)品。如Cassandra, CouchDB, MongoDB以及Oracle***的NoSQL數(shù)據(jù)庫。而傳統(tǒng)關(guān)系型數(shù)據(jù)庫如Oracle，IBM DB2，Microsoft SQL Server和MySQL則都不能處理混合數(shù)據(jù)類型和非結(jié)構(gòu)化數(shù)據(jù)。 由于事務(wù)處理靈活性的需求，Hadoop獲得大多數(shù)數(shù)據(jù)分析廠商的關(guān)注和支持。
Hadoop已被廣泛應(yīng)用
現(xiàn)今，Hadoop已被認(rèn)為是非結(jié)構(gòu)化數(shù)據(jù)的專用技術(shù)。低成本、高擴展性和靈活性等優(yōu)勢已成為處理大規(guī)模點擊流量分析和廣告定位等網(wǎng)絡(luò)巨頭(如AOL和comScore)的***。
AOL三年多時間一直使用Hadoop。AOL的研發(fā)團(tuán)隊在加利福尼亞州的Mountain View部署了300節(jié)點的系統(tǒng)，該系統(tǒng)可以存儲每天數(shù)十億事件和超過500TB的點擊流數(shù)據(jù)。點擊所帶來流數(shù)據(jù)是高度結(jié)構(gòu)化的，但數(shù)據(jù)量是非常龐大和多樣的。所以幾乎不可能處理所有的提取、轉(zhuǎn)換和負(fù)載工作。AOL為了解決以上問題決定使用Hadoop MapReduce處理分布在數(shù)百個計算節(jié)點的數(shù)據(jù)過濾和關(guān)聯(lián)任務(wù)。由于Hadoop為業(yè)務(wù)帶來的優(yōu)勢，AOL的Hadoop研發(fā)團(tuán)隊在今年四月在其總部部署了700節(jié)點的系統(tǒng)。
Hadoop適用于所有類型數(shù)據(jù)的特性注定將使Hadoop在更廣泛的領(lǐng)域使用。例如提供托管服務(wù)和中小型企業(yè)應(yīng)用服務(wù)提供商SunGrad。他們將計劃推出基于云的托管服務(wù)，旨在幫助金融服務(wù)公司處理他們基于Hadoop MapReduce的數(shù)據(jù)處理。
商用軟件廠商Tidemark最近也推出一款SaaS軟件，這種基于云的性能管理應(yīng)用使用MapReduce將混合數(shù)據(jù)源轉(zhuǎn)化為產(chǎn)品或金融規(guī)劃方案。#p#
三巨頭大數(shù)據(jù)領(lǐng)域齊發(fā)力
在上月美國拉斯維加斯舉行IOD年度大會上IBM院士、DB2總架構(gòu)師Curt Cotner宣布IBM將在明年推出內(nèi)置NoSQL技術(shù)的DB2旗艦級數(shù)據(jù)庫管理系統(tǒng)。他還表示未來的數(shù)據(jù)庫發(fā)展方向是非關(guān)系數(shù)據(jù)庫NoSQL。目前Google的BigTable和Amazon的Dynamo都用NoSQL型數(shù)據(jù)庫，而傳統(tǒng)的關(guān)系數(shù)據(jù)庫在應(yīng)付超大規(guī)模、高并發(fā)的SNS、web2.0網(wǎng)站已經(jīng)力不從心。同時IBM發(fā)布了一系列數(shù)據(jù)分析軟件，包括云計算版本的InfoSphere BigInsights。BigInsights是一套建立在Hadoop上的數(shù)據(jù)分析軟件，能夠處理企業(yè)用戶收集大量非結(jié)構(gòu)化資料。
微軟也在10月12日在西雅圖舉行的SQL PASS 2011峰會宣布將與從雅虎分拆出來的Hortonworks合作開發(fā)Hadoop，并將在Apache Hadoop上實現(xiàn)搭建Windows Azure以及Windows Server平臺。同時基于Hadoop的Windows Server還會與微軟現(xiàn)有的BI工具聯(lián)合處理任務(wù)。
Oracle作為全球***的關(guān)系型數(shù)據(jù)庫提供商也有所行動。其在2011 Oracle全球大會上推出了Big Data Appliance。Big Data Appliance是一個集成了Hadoop、NoSQL Database、Oracle數(shù)據(jù)庫Hadoop適配器、Oracle數(shù)據(jù)庫Hadoop裝載器及R語言的系統(tǒng)。
Hadoop的未來
根據(jù)目前的狀況來看，Hadoop作為企業(yè)級數(shù)據(jù)倉庫體系結(jié)構(gòu)核心技術(shù)，在未來的數(shù)年中將會保持持續(xù)增長的勢頭。包括MapR、Zettaset、Cloudera、HStreaming、Hadapt、DataStax、Datameer這些與Hadoop相關(guān)的新公司已經(jīng)獲得投資，為人們所熟知，為各種市場帶來***技術(shù)。
與此同時下一代的MapReduce會完善很多之前不盡人如意的地方。首先節(jié)點數(shù)將從目前的4000增加到6000-10000，其次并發(fā)的任務(wù)數(shù)從目前的40000增加到100000。另外將繼續(xù)加大對硬件支持，同時架構(gòu)也會有所改變，包括更多編程模式的支持。
【編輯推薦】
