Hadoop 2.0：大數(shù)據(jù)的新突破在即
不過這并不一定就是壞事。把 Hadoop 當作廉價有效的存儲正好是 Hadoop 下一階段演進的的完美起點。今年夏天就要亮相的 Hadoop 2.0 將會令數(shù)據(jù)倉庫中的信息以及非結構化數(shù)據(jù)池前所未有地容易訪問。
Hadoop大桶
自成為大數(shù)據(jù)工具以來，Hadoop 就是一個非常棒的數(shù)據(jù)存儲系統(tǒng)，但是需要開發(fā) Java 應用來訪問數(shù)據(jù)的 MapReduce 學習起來卻比較困難。
當然，還有別的辦法可以從 Hadoop 中獲取信息。Hbase數(shù)據(jù)是 Hadoop 的一部分，它可以讓用戶按照數(shù)據(jù)庫范式來處理數(shù)據(jù)。Hive數(shù)據(jù)倉庫則可以讓你用類 SQL 的 HiveSQL 查詢語言來創(chuàng)建查詢并轉化為 MapReduce 任務。不過 Hadoop 仍受限于單線程性。MapReduce 任務、Hive 查詢、Hbase 操作，等等，這些都要輪流進行。
這就是許多大數(shù)據(jù)供應商傾向于僅將 Hadoop 當作數(shù)據(jù)容器的原因，為了提高效率，他們在此基礎上再開發(fā)自己的工具來獲取或分析其中的數(shù)據(jù)。盡管把 Hadoop 形容為一個大桶很形象，但是 Hadoop 用戶當中已經有人把它看作是數(shù)據(jù)大湖甚至數(shù)據(jù)海洋了。不過光是規(guī)模大還是不行的，那些限制影響到了 Hadoop 的賣點。
Hadoop 的開發(fā)社區(qū)也意識到這個問題，隨著 Hadoop 即將迭代到新的版本，上述限制即將在很大程度上被解除。
YARN解決方案
在 Hadoop 2.0 發(fā)布經理 Arun Murthy 看來，其最重要的變化是 MapReduce 框架升級為Apache YARN，這將擴展 Hadoop 中可以應用的軟件種類和應用程度。Arun Murthy 本人就是 YARN 項目主管，他指出，Hadoop 1.0 和 2.0 的區(qū)別在于，前者所有的事情都是面向批處理的，而后者則允許多個應用同時在內部訪問數(shù)據(jù)。
相對于當前 MapReduce 系統(tǒng)能處理的事情，把這些功能分開使得 Hadoop 集群資源的管理更加強大。其主要管理方式類似于操作系統(tǒng)對任務的處理，也就是說不再有一次一項操作的限制了。
有了 YARN，開發(fā)者就能夠直接在 Hadoop 內部來開發(fā)應用，而不是像許多第三方工具所做的那樣，在外面把數(shù)據(jù)篩選出來。
Murthy 稱，現(xiàn)在已經有供應商對在 YARN 框架內開發(fā)應用表現(xiàn)出興趣。Murthy 估計，Hadoop 2.0 的強力 beta 版有可能會在今年 6 月或 7 月推出，正式版則可能在 8 月發(fā)布。
如果 YARN 的確能履行其承諾的話，開發(fā)者將可以在原生的 Hadoop 平臺里方便地接觸到許多的數(shù)據(jù)大湖大海，令搜尋有用信息的任務更加流暢和便捷。屆時，大數(shù)據(jù)會變得更加有用、更加大眾化。
