在實(shí)時(shí)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(gòu)的Hadoop仍然是大數(shù)據(jù)的代表技術(shù)，盡管其聲譽(yù)仍然超過實(shí)際部署情況。下面我們來具體了解一下。
批處理不是重點(diǎn)
Cloudera的Doug Cutting是一個(gè)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(rèn)實(shí)時(shí)流媒體技術(shù)的重要性，但他并沒有否認(rèn)面向批處理的Hadoop的價(jià)值，他表示：
并不是因?yàn)槲覀冇X得批處理是最好的，所以Hadoop圍繞批處理而構(gòu)建。批處理(特別是MapReduce)很自然是第一步，因?yàn)樗鄬θ菀撞渴穑⑻峁┖苤匾膬r(jià)值。在Hadoop之前，沒有辦法使用開源軟件在商品硬件存儲(chǔ)和處理千兆字節(jié)。Hadoop的MapReduce是很大的進(jìn)步。
我們很難說清楚大數(shù)據(jù)的商品化對這個(gè)世界的重要性。這并不是說在Hadoop之前我們沒有存儲(chǔ)和分析大量數(shù)據(jù)，而是Hadoop讓我們非常廉價(jià)地實(shí)現(xiàn)這個(gè)過程。
總之，Hadoop民主化了大數(shù)據(jù)。
轉(zhuǎn)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首席布道者Patrick McFadin表示，從企業(yè)數(shù)據(jù)挖掘價(jià)值并沒有那么簡單：
我們都聽說過存儲(chǔ)和分析PB級(jí)數(shù)據(jù)的投資回報(bào)率的問題。谷歌、雅虎和Facebook都在從中創(chuàng)造驚人的價(jià)值，而大部分企業(yè)都在試圖研究如何分析所有數(shù)據(jù)，第一：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(shí)時(shí)數(shù)據(jù)的分析能力，新技術(shù)為他們提供了可能。
McFadin發(fā)現(xiàn)了這個(gè)新大數(shù)據(jù)堆棧的關(guān)鍵要素。首先是一個(gè)排隊(duì)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(chǔ)，企業(yè)經(jīng)常轉(zhuǎn)向Cassandra、HBase、MongoDB或者M(jìn)ySQL等關(guān)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(shí)時(shí)的融合被稱為“Lambda架構(gòu)”，這涉及讓三個(gè)元素和諧地共處：批處理、速度和服務(wù)。
換句話說，批處理仍然有用。
淘汰批處理
但并不是每個(gè)人都同意。Zoomdata公司首席執(zhí)行官和聯(lián)合創(chuàng)始人Justin Langseth認(rèn)為Lambda是“不必要的”，并稱，“現(xiàn)在有端到端工具可以從采購、運(yùn)輸、存儲(chǔ)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(shí)時(shí)數(shù)據(jù)顯然最好應(yīng)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(rèn)為將數(shù)據(jù)作為流來分析可以增加可擴(kuò)展性和靈活性，而無論數(shù)據(jù)是實(shí)時(shí)還是歷史數(shù)據(jù)。
然而，超越可擴(kuò)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(rèn)為，“當(dāng)你不需要擔(dān)心批處理窗口以及從批處理故障中恢復(fù)時(shí)，這可以極大地簡化大數(shù)據(jù)架構(gòu)。”
流分析取代Hadoop?
Cutting稱，還沒有那么快。
Cutting認(rèn)為未來Hadoop等技術(shù)并不會(huì)完全被淘汰，流分析會(huì)得以發(fā)展，Cloudera的Enterprise Data Hub也是一樣。事實(shí)上，他不認(rèn)為會(huì)廣泛轉(zhuǎn)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(huì)讓行業(yè)催生出一些好方法來應(yīng)對數(shù)據(jù)處理。
我認(rèn)為我們不會(huì)再那么頻繁地看到Spark這樣的主要技術(shù)增加，隨著時(shí)間的推移，我們將會(huì)標(biāo)準(zhǔn)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(yīng)用需求。Hadoop帶來了技術(shù)爆炸，但我們可能會(huì)進(jìn)入比較正常的演化過程，在各行業(yè)廣泛使用這些技術(shù)。
DataStax社區(qū)經(jīng)理Scott Hirleman同意說：“批處理并不會(huì)消失，總是會(huì)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(jì)劃的影響。
總之，流分析完全是關(guān)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(bǔ)充，但這肯定不會(huì)完全取代Hadoop。
京公網(wǎng)安備 11010502049343號(hào)