到目前为止,人们可能已经听说过ApacheHadoop。这个名字来源于一只可爱的玩具大象,但Hadoop只不过是一个毛绒玩具。Hadoop是一个开源软件项目,它提供了一种存储和处理大数据的新方法。
Hadoop软件框架是用Java编写的,用于在由商用硬件构建的计算机集群上对超大型数据集进行分布式存储和分布式处理。
虽然Google和Facebook等大型Web2.0公司使用Hadoop来存储和管理其庞大的数据集,但Hadoop基于其五大优势也被证明对许多其他更传统的企业很有价值。
以下来看看。
1、Hadoop是可扩展的
Hadoop是一个高度可扩展的存储平台,因为它可以在数百台并行运行的廉价服务器上存储和分发非常大的数据集。
与无法扩展以处理大量数据的传统关系数据库系统(RDBMS)不同,Hadoop使企业能够在涉及数千TB数据的数千个节点上运行应用程序。
2、成本效益
Hadoop还为企业爆炸式数据集提供了一种经济高效的存储解决方案。传统关系数据库管理系统的问题在于,为了处理如此大量的数据,扩展至如此程度的成本极其昂贵。
为了降低成本,过去许多公司不得不对数据进行下采样,并根据某些关于哪些数据最有价值的假设对其进行分类。
原始数据将被删除,因为保留它的成本太高。虽然这种方法可能在短期内奏效,但这意味着当业务优先级发生变化时,完整的原始数据集将不可用,因为存储成本太高。另一方面,Hadoop被设计为一种横向扩展架构,可以经济地存储公司的所有数据以供以后使用。
成本节省是惊人的:Hadoop提供的计算和存储功能不是每TB数千到数万英镑,而是提供了数百英镑/TB的计算和存储能力。
3、灵活
Hadoop使企业能够轻松访问新数据源并利用不同类型的数据(结构化和非结构化数据)从这些数据中产生价值。
这意味着企业可以使用Hadoop从社交媒体、电子邮件对话或点击流数据等数据源中获得有价值的业务洞察力。此外,Hadoop可用于多种用途,例如日志处理、推荐系统、数据仓库、市场活动分析和欺诈检测
4、Hadoop速度快
Hadoop独特的存储方法基于分布式文件系统,该系统基本上“映射”数据位于集群上的任何位置。数据处理工具通常位于数据所在的同一台服务器上,从而加快了数据处理速度。
如果您正在处理大量的非结构化数据,Hadoop能够在几分钟内有效地处理TB级数据,并在几小时内有效处理PB级数据。
5、对失败有弹性
使用Hadoop的一个关键优势是它的容错性。当数据发送到单个节点时,该数据也会复制到集群中的其他节点,这意味着在发生故障时,还有另一个副本可供使用。
MapR发行版超越了这一点,它消除了NameNode并将其替换为提供真正高可用性的分布式NoNameNode架构。我们的架构提供针对单个和多个故障的保护。
在以安全且经济高效的方式处理大型数据集方面,Hadoop具有优于关系数据库管理系统的优势,并且随着非结构化数据的不断增长,它对任何规模的企业的价值都将继续增加。
来源:机房360网