■王少亞 河北大學(xué)管理學(xué)院

一、Hadoop概述

Hadoop作為最受歡迎的一種大數(shù)據(jù)技術(shù)，是一個分布式系統(tǒng)的基礎(chǔ)架構(gòu)，主要由HDFS、MapReduce組成，是一個能夠便捷的開發(fā)和運行處理大數(shù)據(jù)的軟件平臺。HDFS采用Master/Slave架構(gòu)，由一個NameNode節(jié)點和一組DataNode節(jié)點組成。MapReduce在HDFS的支持下實現(xiàn)分布式數(shù)據(jù)處理，也是一種總從的構(gòu)架。

二、Hadoop在企業(yè)的應(yīng)用優(yōu)勢

1.應(yīng)用經(jīng)濟效益突出

Hadoop的應(yīng)用成本低，一方面由于其開源，研發(fā)和采購成本遠遠低于商業(yè)軟件。另一方面，Hadoop為普通的硬件設(shè)備而設(shè)計，可以基于異構(gòu)的廉價硬件來搭建機群，硬件投入成本低。此外，hadoop還可提高數(shù)據(jù)價值，有利于企業(yè)精益管理。例如沃爾瑪通過Hadoop分析顧客搜尋商品的行為，在Facebook、Twitter等社交網(wǎng)站上對商品的討論，從而競爭對手提前一步發(fā)現(xiàn)顧客需求，智能規(guī)劃下一季商品的促銷策略。

2.高效處理大數(shù)據(jù)

對海量數(shù)據(jù)深度分析并迅速發(fā)現(xiàn)趨勢是Hadoop的另一巨大優(yōu)勢。Hadoop可以在幾分鐘內(nèi)處理TB級的數(shù)據(jù)，在幾小時內(nèi)可以處理完P(guān)B級的數(shù)據(jù)。Facebook利用hadoop每30分鐘分析一次105T以上的字節(jié)。另外，傳統(tǒng)關(guān)系型數(shù)據(jù)庫技術(shù)對于絕大多數(shù)非結(jié)構(gòu)化數(shù)據(jù)無能為力。Hadoop可以對海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行批處理，充分發(fā)掘和利用數(shù)據(jù)背后的商業(yè)價值，使企業(yè)做出更好的決策。

3.應(yīng)用易拓展

在大數(shù)據(jù)時代，傳統(tǒng)分析環(huán)境規(guī)模呈指數(shù)增長，縱向擴展系統(tǒng)，即擴展單個節(jié)點的能力，在技術(shù)和成本上都讓人難以承受。最經(jīng)濟的解決辦法是橫向擴展系統(tǒng)，即通過增加計算節(jié)點連接成集群，并且改寫軟件，使之在集群上并行執(zhí)行。Hadoop拓展性能非常優(yōu)秀，可以通過增加更多節(jié)點來按需擴展系統(tǒng)，雅虎的集群在2010年已經(jīng)從2000個節(jié)點增加到4000個節(jié)點。

三、企業(yè)應(yīng)用Hadoop的局限性

1.不適用于復(fù)雜和實時處理

Hadoop主要針對離線的、大規(guī)模、批量的數(shù)據(jù)處理，并不是一個實時的在線系統(tǒng)，無法用于實時性要求很強的系統(tǒng)中，如銀行系統(tǒng)。Hadoop也不直接支持復(fù)雜的n步n分支數(shù)據(jù)處理流程操作，因此也不適用于電子商務(wù)等交易性系統(tǒng)。

2.開發(fā)維護代價高

Hadoop進入維護和開發(fā)階段，成本就會急劇上升。首先Hadoop構(gòu)建平臺復(fù)雜，需要高價雇傭相關(guān)從業(yè)人員。再者，Hadoop的應(yīng)用軟件相對較少，許多數(shù)據(jù)分析功能需要用戶自行開發(fā)，導(dǎo)致使用成本增加。培養(yǎng)開發(fā)和運用Hadoop的技術(shù)人才也很昂貴。淘寶在2008年建立了hadoop的“云梯”集群，歷經(jīng)五年，耗費了大量人力、物力、財力。

3.缺乏專門人才

越來越多的企業(yè)開始大規(guī)模部署Hadoop，但能夠創(chuàng)建和維護這些部署的IT專業(yè)人員在數(shù)量上并沒有跟上Hadoop發(fā)展的步伐，這是企業(yè)面臨的主要挑戰(zhàn)之一。nosqlweekly網(wǎng)站做了一份統(tǒng)計調(diào)查，它對SimplyHired.com和Indeed.com兩個招聘網(wǎng)站的招聘數(shù)據(jù)進行了分析得出，Hadoop的對人才的需求增長最快。JP摩根大通公司總經(jīng)理玩笑聲稱，他們會提供比eBay高出10%的優(yōu)厚待遇雇用合格的專業(yè)人士。

四、應(yīng)用Hadoop的改進方案

1.持續(xù)開源

Hadoop的開發(fā)難度很大，源代碼僅僅只是困難的一小部分，還需要有非常強大的工程師團隊，有正確的發(fā)布和治理基礎(chǔ)架構(gòu)的能力。目前幾乎沒有哪家公司能擁有所有這些必須的資源。持續(xù)開源可以降低hadoop的進入成本、增強互操作性、實現(xiàn)資源共享。Yahoo表示，他們已經(jīng)提供了70%的源碼，剩下的30%他們希望可以從別的公司、團體、個人得到。

2.加強合作

Hadoop涉及的領(lǐng)域廣泛，開發(fā)難度大，需要多方力量合作開發(fā)。國外企業(yè)在合作領(lǐng)域表現(xiàn)積極，采用收購兼并、合作開發(fā)多種方式進行建設(shè)，如Microsoft與Hortonworks以及甲骨文公司與Cloudera公司等已經(jīng)達成合作協(xié)議。相比之下，國內(nèi)的企業(yè)間合作就遜色很多，他們采取“各自為戰(zhàn)”、“平地起樓”的建設(shè)方式，從基礎(chǔ)層面分頭進行大數(shù)據(jù)存儲或處理的開發(fā)，阻礙了hadoop在國內(nèi)的快速應(yīng)用。企業(yè)間加強合作，勢在必行。

3.培養(yǎng)人才

Hadoop對人才的需求迫切，企業(yè)要強化工作人員的大數(shù)據(jù)意識，培養(yǎng)相應(yīng)的專業(yè)技能，使他們熟悉掌握Hadoop的方法和技術(shù)，成為合格的大數(shù)據(jù)人才。另外，從源頭上解決人才缺乏問題是最根本的解決辦法。高校是人才主要的輸出渠道，因此應(yīng)適應(yīng)大數(shù)據(jù)需求，加強大數(shù)據(jù)分析方面的教學(xué)。

[1]覃雄派，王會舉，王珊等.大數(shù)據(jù)分析--RDBMS與MapReduce的競爭與共生[J].軟件學(xué)報，2012，23（1）：32-45

[2]吳金紅等.大數(shù)據(jù)：企業(yè)競爭情報的機遇挑戰(zhàn)及對策研究[J].情報雜志，2013，32（1）：5-9

[3]王珊，王會舉等.架構(gòu)大數(shù)據(jù)_挑戰(zhàn)_現(xiàn)狀與展望[J].計算機學(xué)報，2011，34（10）：1742-1752

[4]辛大欣，劉飛.Hadoop集群性能優(yōu)化技術(shù)研究[J].電腦知識與技術(shù)，2011，7（22）：5484-5486