Ness SES首席技术官：最终，Hadoop老了！

  对于Hadoop飘忽不定的未来，Ness SES的首席技术官(CTO)Moshe Kranc写下了这篇文章。

　　计算机世界充斥着大量先动者的产品，但最终都会被追随者所取代，后来者从创新者的错误中学习并继续发展。我相信这是Hadoop的命运，因为Spark和Cassandra等已经在大数据社区获得了持续发展的动力。

　　为了证明上述观点，我需要先来讲一点历史。

　　“Hadoop作为一个概念彻底改变了数据处理世界，并最终迎来了大数据时代!”

　　大约20年前，Doug Cutting在创建Web搜索引擎时面临两大问题：

　　1、如何可靠地存储所有信息?

　　2、如何创建大量查找索引?

　　之后，Hadoop诞生了。它包括分布式、高可用的文件系统和用于大规模并行计算的Map-Reduce框架。

　　MapReduce确实是革命性的，它让曾经难以解决的问题可以在几分钟内被解决。但是，它没有利用内存来提高性能，并且在处理增量更改时很糟糕，例如，将单个新推文的索引添加到现有的完整Web索引。

　　随着时间的推移，Hadoop用Tez取代了原来的MapReduce框架，Tez使用定向非循环图进行并行处理，理论基于微软2010年有关Dryad的论文。但是，Tez已经被另一款产品抢先了，这款产品就是Spark。Spark的实现更通用，例如，可以有效检查和恢复各计算阶段的数据。Spark可以运行在Hadoop生态系统中(它很快将取代Tez)，或者它可以在自己的独立环境中运行。越来越多的项目选择Spark作为其大数据解决方案，将Hadoop Spark或Spark standalone作为次要选择。目前超过25%的Spark项目在Hadoop之外运行，并且这一比例在不断上升。

　　很多大数据人士坚信Haoop会有一个光明年代，认为Spark和Hadoop根本没有可比性，不愿意承认Hadoop的年代感。

　　Hadoop文件系统(HDFS)也在展示其年代感。例如，它需要一个活动的NameNode才能运行，并且它使用Zookeeper来监控NameNode可用性。因此，当Zookeeper检测到活动的NameNode崩溃时，它可能会经历长达一分钟的“断电”。Hadoop已经发展出提高可用性的机制，但其他大数据系统(如Cassandra's)早已实现了高可用性，而无需主节点或外部监控工具，从而消除掉电风险。

　　大数据领域的趋势越来越明显。Hadoop作为一个概念彻底改变了数据处理世界，迎来了大数据时代。但是，作为一个产品和生态系统的Hadoop正在显示其年代感，对于许多用例来说，它已经被Spark等更现代的技术所取代，后者可以从Hadoop不断增长的痛苦中学习。Spark具有更通用和可扩展的编程模型，这使得它更易于分析。它还可以通过Spark Streaming处理Motion中的大数据，并作为强大图形数据库(GraphX)和全功能数据科学库(MLib)的基础。

　　也许这就解释了最近Gartner报告的发现，尽管对大数据解决方案的需求在不断增长，但对Hadoop的需求并没有像预期那样加速，企业对Hadoop的热情很低。

　　事实上，绝大多数接受调查的企业表示他们现在或未来都没有计划投资Hadoop。所以，尽管Spark，Cassandra和MongoDB等其他大数据技术仍然吸引了很多公司的兴趣，但Hadoop似乎正在遭受需求下滑的困扰。

　　领先的Hadoop厂商Cloudera和Hortonworks可能仍然有很高的估值，但他们花费太多的时间去发展每个新客户，并且还没有突破到主流企业。

　　为什么对Hadoop缺乏热情?一些分析师指责总拥有成本较高，另一些则认为是寻找具备必要技能的工程师存在困难。对我而言，这些只是说Hadoop正在显示其年龄感的不同方式。与任何具备20年历史的软件系统一样，Hadoop多年来也在不断发展，每一次演变都使生态系统更加复杂，难以部署或维护。像Spark这样的新系统具有更年轻和更健壮的代码库，对年轻的工程师而言，Spark等现代工具拥有比Hadoop更易于使用的现代编程API范例。

　　没有Hadoop，Spark和Cassandra恐怕不会取得现在的成绩。对Hadoop感恩的同时，我们或许要开始学会遗忘Hadoop，毕竟，它已经不年轻了。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/31077337/viewspace-2154071/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/31077337/viewspace-2154071/