Hadoop 2.0：大數據的新突破在即
不過這并不一定就是壞事。把 Hadoop 當作廉價有效的存儲正好是 Hadoop 下一階段演進的的完美起點。今年夏天就要亮相的 Hadoop 2.0 將會令數據倉庫中的信息以及非結構化數據池前所未有地容易訪問。
Hadoop大桶
自成為大數據工具以來，Hadoop 就是一個非常棒的數據存儲系統，但是需要開發 Java 應用來訪問數據的 MapReduce 學習起來卻比較困難。
當然，還有別的辦法可以從 Hadoop 中獲取信息。Hbase數據是 Hadoop 的一部分，它可以讓用戶按照數據庫范式來處理數據。Hive數據倉庫則可以讓你用類 SQL 的 HiveSQL 查詢語言來創建查詢并轉化為 MapReduce 任務。不過 Hadoop 仍受限于單線程性。MapReduce 任務、Hive 查詢、Hbase 操作，等等，這些都要輪流進行。
這就是許多大數據供應商傾向于僅將 Hadoop 當作數據容器的原因，為了提高效率，他們在此基礎上再開發自己的工具來獲取或分析其中的數據。盡管把 Hadoop 形容為一個大桶很形象，但是 Hadoop 用戶當中已經有人把它看作是數據大湖甚至數據海洋了。不過光是規模大還是不行的，那些限制影響到了 Hadoop 的賣點。
Hadoop 的開發社區也意識到這個問題，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 發布經理 Arun Murthy 看來，其最重要的變化是 MapReduce 框架升級為Apache YARN，這將擴展 Hadoop 中可以應用的軟件種類和應用程度。Arun Murthy 本人就是 YARN 項目主管，他指出，Hadoop 1.0 和 2.0 的區別在于，前者所有的事情都是面向批處理的，而后者則允許多個應用同時在內部訪問數據。
相對于當前 MapReduce 系統能處理的事情，把這些功能分開使得 Hadoop 集群資源的管理更加強大。其主要管理方式類似于操作系統對任務的處理，也就是說不再有一次一項操作的限制了。
有了 YARN，開發者就能夠直接在 Hadoop 內部來開發應用，而不是像許多第三方工具所做的那樣，在外面把數據篩選出來。
Murthy 稱，現在已經有供應商對在 YARN 框架內開發應用表現出興趣。Murthy 估計，Hadoop 2.0 的強力 beta 版有可能會在今年 6 月或 7 月推出，正式版則可能在 8 月發布。
如果 YARN 的確能履行其承諾的話，開發者將可以在原生的 Hadoop 平臺里方便地接觸到許多的數據大湖大海，令搜尋有用信息的任務更加流暢和便捷。屆時，大數據會變得更加有用、更加大眾化。
