以往Hadoop似乎就是大數(shù)據(jù)的代名詞。不過(guò)最近隨著大數(shù)據(jù)應(yīng)用的深入，大家已經(jīng)越來(lái)越傾向于僅僅把它看成是大數(shù)據(jù)的一個(gè)存儲(chǔ)工具了。

不過(guò)這并不一定就是壞事。把Hadoop當(dāng)作廉價(jià)有效的存儲(chǔ)正好是Hadoop下一階段演進(jìn)的的***起點(diǎn)。今年夏天就要亮相的Hadoop 2.0將會(huì)令數(shù)據(jù)倉(cāng)庫(kù)中的信息以及非結(jié)構(gòu)化數(shù)據(jù)池***地容易訪問。

Hadoop大桶

自成為大數(shù)據(jù)工具以來(lái)，Hadoop就是一個(gè)非常棒的數(shù)據(jù)存儲(chǔ)系統(tǒng)，但是需要開發(fā)Java應(yīng)用來(lái)訪問數(shù)據(jù)的MapReduce學(xué)習(xí)起來(lái)卻比較困難。

當(dāng)然，還有別的辦法可以從Hadoop中獲取信息。Hbase數(shù)據(jù)是Hadoop的一部分，它可以讓用戶按照數(shù)據(jù)庫(kù)范式來(lái)處理數(shù)據(jù)。Hive數(shù)據(jù)倉(cāng)庫(kù)則可以讓你用類SQL的HiveSQL查詢語(yǔ)言來(lái)創(chuàng)建查詢并轉(zhuǎn)化為MapReduce任務(wù)。不過(guò)Hadoop仍受限于單線程性。MapReduce任務(wù)、Hive查詢、Hbase操作，等等，這些都要輪流進(jìn)行。

這就是許多大數(shù)據(jù)供應(yīng)商傾向于僅將Hadoop當(dāng)作數(shù)據(jù)容器的原因，為了提高效率，他們?cè)诖嘶A(chǔ)上再開發(fā)自己的工具來(lái)獲取或分析其中的數(shù)據(jù)。盡管把Hadoop形容為一個(gè)大桶很形象，但是Hadoop用戶當(dāng)中已經(jīng)有人把它看作是數(shù)據(jù)大湖甚至數(shù)據(jù)海洋了。不過(guò)光是規(guī)模大還是不行的，那些限制影響到了Hadoop的賣點(diǎn)。

Hadoop的開發(fā)社區(qū)也意識(shí)到這個(gè)問題，隨著Hadoop即將迭代到新的版本，上述限制即將在很大程度上被解除。

YARN解決方案

在Hadoop 2.0發(fā)布經(jīng)理Arun Murthy看來(lái)，其最重要的變化是MapReduce框架升級(jí)為Apache YARN，這將擴(kuò)展Hadoop中可以應(yīng)用的軟件種類和應(yīng)用程度。Arun Murthy本人就是YARN項(xiàng)目主管，他指出，Hadoop 1.0和2.0的區(qū)別在于，前者所有的事情都是面向批處理的，而后者則允許多個(gè)應(yīng)用同時(shí)在內(nèi)部訪問數(shù)據(jù)。

相對(duì)于當(dāng)前MapReduce系統(tǒng)能處理的事情，把這些功能分開使得Hadoop集群資源的管理更加強(qiáng)大。其主要管理方式類似于操作系統(tǒng)對(duì)任務(wù)的處理，也就是說(shuō)不再有一次一項(xiàng)操作的限制了。

有了YARN，開發(fā)者就能夠直接在Hadoop內(nèi)部來(lái)開發(fā)應(yīng)用，而不是像許多第三方工具所做的那樣，在外面把數(shù)據(jù)篩選出來(lái)。

Murthy稱，現(xiàn)在已經(jīng)有供應(yīng)商對(duì)在YARN框架內(nèi)開發(fā)應(yīng)用表現(xiàn)出興趣。Murthy估計(jì)，Hadoop 2.0的強(qiáng)力beta版有可能會(huì)在今年6月或7月推出，正式版則可能在8月發(fā)布。

如果YARN的確能履行其承諾的話，開發(fā)者將可以在原生的Hadoop平臺(tái)里方便地接觸到許多的數(shù)據(jù)大湖大海，令搜尋有用信息的任務(wù)更加流暢和便捷。屆時(shí)，大數(shù)據(jù)會(huì)變得更加有用、更加大眾化。