在實時數(shù)據(jù)世界里，為什么我們還這么執(zhí)著于Hadoop?

根據(jù)451 Research調(diào)查數(shù)據(jù)顯示，圍繞批處理架構的Hadoop仍然是大數(shù)據(jù)[注]的代表技術，盡管其聲譽仍然超過實際部署情況。

還沒有真正部署Hadoop的企業(yè)可能想要再等一等。而隨著Apache Spark等其他技術(Storm、Kafka等)的出現(xiàn)，我們似乎與Hadoop的批處理漸行漸遠，逐漸轉向實時數(shù)據(jù)的未來。

批處理不是重點

Cloudera的Doug Cutting是一個非常聰明的人，也是開源開發(fā)人員，Hadoop、Lucene等大數(shù)據(jù)工具的開發(fā)都有他的功勞。

雖然Cutting承認實時流媒體技術的重要性，但他并沒有否認面向批處理的Hadoop的價值，他表示：

并不是因為我們覺得批處理是***的，所以Hadoop圍繞批處理而構建。批處理(特別是MapReduce)很自然是***步，因為它相對容易部署， 并提供很重要的價值。在Hadoop之前，沒有辦法使用開源軟件在商品硬件存儲和處理千兆字節(jié)。Hadoop的MapReduce是很大的進步。

我們很難說清楚大數(shù)據(jù)的商品化對這個世界的重要性。這并不是說在Hadoop之前我們沒有存儲和分析大量數(shù)據(jù)，而是Hadoop讓我們非常廉價地實現(xiàn)這個過程。

總之，Hadoop民主化了大數(shù)據(jù)。

轉向流數(shù)據(jù)?

然而，Hadoop并沒有讓大數(shù)據(jù)分析變得容易。正如DataStax***布道者Patrick McFadin表示，從企業(yè)數(shù)據(jù)挖掘價值并沒有那么簡單：

我們都聽說過存儲和分析PB級數(shù)據(jù)的投資回報率的問題。谷歌、雅虎和Facebook都在從中創(chuàng)造驚人的價值，而大部分企業(yè)都在試圖研究如何分析所有數(shù)據(jù)，***：收集所有數(shù)據(jù);第二：……;第三：利潤!

在數(shù)據(jù)收集和利潤之間有很多麻煩的步驟。隨著企業(yè)試圖加快對實時數(shù)據(jù)的分析能力，新技術為他們提供了可能。

McFadin發(fā)現(xiàn)了這個新大數(shù)據(jù)堆棧的關鍵要素。首先是一個排隊系統(tǒng)，Kafka、RabbitMQ和Kinesis等。然后是流處理層，這可能 包括Storm、Spark Streaming或者Samza。對于高速存儲，企業(yè)經(jīng)常轉向Cassandra、HBase、MongoDB或者MySQL等關系型數(shù)據(jù)庫。

最有趣的是批處理仍然有用武之地。McFadin表示，批處理現(xiàn)在可用于處理，即匯總和更深入的分析。批處理和實時的融合被稱為“Lambda架構”，這涉及讓三個元素和諧地共處：批處理、速度和服務。

換句話說，批處理仍然有用。

淘汰批處理

但并不是每個人都同意。Zoomdata公司***執(zhí)行官和聯(lián)合創(chuàng)始人Justin Langseth認為Lambda是“不必要的”，并稱，“現(xiàn)在有端到端工具可以從采購、運輸、存儲到分析和可視化來處理數(shù)據(jù)，而不需要批處理”。

在他看來，批處理是大數(shù)據(jù)過去的遺留物：

實時數(shù)據(jù)顯然***應該作為流來處理，而且還可以加載歷史數(shù)據(jù)，正如你的DVR可以加載電影《飄》或者上周的電視節(jié)目《美國偶像》到你的電視。這種區(qū)別很重要，Zoomdata認為將數(shù)據(jù)作為流來分析可以增加可擴展性和靈活性，而無論數(shù)據(jù)是實時還是歷史數(shù)據(jù)。

然而，超越可擴展性和靈活性好處的可能是將批處理從大數(shù)據(jù)過程移除所帶來的簡單性。Langseth認為，“當你不需要擔心批處理窗口以及從批處理故障中恢復時，這可以極大地簡化大數(shù)據(jù)架構。”

流分析取代Hadoop?

Cutting稱，還沒有那么快。

Cutting認為未來Hadoop等技術并不會完全被淘汰，流分析會得以發(fā)展，Cloudera的Enterprise Data Hub也是一樣。事實上，他不認為會廣泛轉向流分析，而是為大家?guī)砹擞忠环N選擇。

更有趣的是，大數(shù)據(jù)的大爆炸會讓行業(yè)催生出一些好方法來應對數(shù)據(jù)處理。

我認為我們不會再那么頻繁地看到Spark這樣的主要技術增加，隨著時間的推移，我們將會標準化這些工具，為大多數(shù)人提供功能來滿足其大數(shù)據(jù)應用需求。Hadoop帶來了技術爆炸，但我們可能會進入比較正常的演化過程，在各行業(yè)廣泛使用這些技術。

DataStax社區(qū)經(jīng)理Scott Hirleman同意說：“批處理并不會消失，總是會需要對大量數(shù)據(jù)的大規(guī)模分析。”現(xiàn)在大家對流分析有極大的興趣，但稱現(xiàn)在還不清楚這種趨勢對大數(shù)據(jù)計劃的影響。

總之，流分析完全是關于“和”，而不是“或者”，這是對圍繞批處理系統(tǒng)(例如Hadoop)的很好的補充，但這肯定不會完全取代Hadoop。