【IT168 评论】随着“Hadoop是否已失宠”的选题调研进程过半，国内外企业以及厂商的观点确实存在很大分歧，有人认为是国外Hadoop厂商所提供的服务以及架构不如国内厂商完善，也有观点表明国外大部分企业的数据量根本达不到使用Hadoop的层级，因此对Hadoop比较冷漠。那么，事实到底是什么样的呢?

　　本期嘉宾：Ness SES的CTO Moshe Kranc，Silicon Valley Data Science的CTO John Akred，戴尔EMC首席解决方案架构师Boni Bruno以及多位 CIOReview嘉宾。

　　开源仅打开了价格大门：Hadoop搭建依旧困难重重!

　　我们一直在强调Hadoop的灵活性、可扩展性，但却忘了Hadoop诞生之初就是为了解决海量数据处理问题的。Hadoop框架最核心的就是HDFS和MapReduce，一个解决了海量数据存储，一个解决了海量数据计算。根据CIOReview嘉宾的观点，在国外企业看来，Hadoop开源虽然降低了购买成本，但整个搭建部署成本并不低。

　　Facebook、YouTube、雅虎等财富排名在前50的企业基本都部署了Hadoop，但是有一些情况是不适合使用Hadoop的，比如：

　　1、实时数据处理分析场景

　　Hadoop最擅长且最专注的就是批处理，对于实时数据处理分析的需求，Hadoop完整分析的响应时间会很久。Dstillery首席科学家Claudia Perlich表示，如果需要在30毫秒内查找拥有3亿人的数据库中的某些信息，Hadoop无法做到快速响应这一需求。

　　2、小型数据集处理

　　对于小型数据集的处理需求，现在有很多可用的工具，比如Excel，RDBMS等，使用Hadoop是十分不明智的，这会浪费掉大量资源，导致整个使用成本非常高。

　　3、取代现有基础设施

　　Hadoop为大数据领域提供了智能存储解决方案，但是如果你抱着取代现有基础设施的念头，那还是不要部署Hadoop了，将Hadoop视为可替代现有数据分析基础架构的想法并不明智。通常，企业会选择与数据仓库结合使用以获得最大收益。

　　4、技术门槛

　　尽管Hadoop开源且拥有相当活跃和庞大的社区，但对企业而言，技术门槛这关并不是好迈的。Hadoop的MapReduce和HDFS固然好，但是搭建这些架构是需要具备相当专业的技术知识和实力的。近几年，大数据相关专业人才更是身价倍增，企业如果想要招聘相关技术专家，需要付出相当高的人力成本。为了保证企业海量数据安全平稳得运行，企业还需要花费成本建立运维和数据安全团队，这部分成本是没办法忽略的。

　　5、机器学习能力欠缺

　　AI时代，这一缺点变得非常致命。Ness SES的CTO Moshe Kranc认为，Hadoop已经展示出了其年代感，不管是Hadoop的HDFS、MapReduce还是它的机器学习组件Mahout。在这一方面，Spark似乎表现更加优异，Spark不断从Hadoop的经历中学习，具有更通用和可扩展的编程模型，易于分析且拥有强大的图形数据库(Graphx)和全功能数据科学库(MLib)。当然，如果企业自己具备生态整合的能力，那么这个问题可能就不存在了。

▲Ness SES的CTO Moshe Kranc

　　如果只学会了用Hadoop存储大量数据，那么毫无意义!

　　对国外企业而言，糟糕的用户体验很可能是因为并没有发挥出Hadoop的优势，Hadoop这样的分布式系统在海量数据处理方面的优势毋庸置疑，但是为什么很多企业并不看好它呢?

▲Silicon Valley Data Science的CTO John Akred

　　Silicon Valley Data Science的CTO John Akred表示，在国外，无论是医疗保健、制造业还是金融领域，公司在部署Hadoop这样的分布式系统时一般会选择从初始用例也就是简单用例开始，以便了解整个Hadoop的工作流程。公司可能会开始尝试将部分数据收集并运行到Hadoop之上，通过简单的测试证明，确实可以使用Hadoop来存储大量非结构化数据，到这里所有步骤似乎都没有问题，但这真的对业务产生价值了吗?如果企业并没有通过部署Hadoop而对业务产生价值，那么这一决策的意义是什么呢?

　　其次，很多企业会低估Hadoop的操作复杂性，无法清晰认知习惯了使用IBM Db2和Oracle等传统数据技术的人在使用Hadoop方面会面临多少转型问题。

　　戴尔EMC的Boni Bruno：推动Hadoop建设的三大关键因素!

　　通篇，我们不难发现，国外大部分企业之所以会拒绝部署Hadoop，一部分原因是自身数据量尚未达到海量规模，一部分是部署和使用方式有误。Boni Bruno表示，戴尔EMC已经帮助不少企业成功部署了Hadoop大数据分析解决方案，其不少客户对于Hadoop还是极其关心的，Boni Bruno认为企业采用Hadoop有三大关键驱动因素：

▲戴尔EMC首席解决方案架构师Boni Bruno

　　1、企业数据仓库优化

　　随着数据量的增加，许多CIO会发现企业数据仓库(EDW)的容量正在逐渐耗尽，导致数据加载处理时间过长，SLA得不到满足，最终影响关键业务的智能交付。通过将资源密集型ETL流程迁移到Hadoop，CIO可以在其EDW上释放宝贵的CPU周期并提高性能。通过将冷数据迁移至Hadoop，可以节省资金并释放容量降低成本。事实上，与EDW系统中不可用的其他数据结合时，可以挖掘Hadoop中的冷数据以获得额外的业务洞察。使用外部系统日志、社交媒体、安全数据等分析冷数据，使用Hadoop优化EDW，可为CIO降低成本，改进报告并支持更多类型的非结构化数据。

　　2、流式分析和物联网

　　以Hortonworks Data Flow或IBM Streams为例，CIO可根据需要向Hadoop集群添加和调整数据源，跟踪和审计数据路径，并使用可用带宽动态调整数据管道。关键是可以探索、优化和变换数据，比如支付跟踪、定价、消费者反馈、收缩分析、客户行为等，从而优化整个供应链、客户支持、库存控制、供应商记分卡等。转变业务模式，主动配置人员，改进目标供应，并使用预测分析增强各种其他业务流程。

　　3、安全分析和威胁检测

　　Hadoop的安全分析和威胁检测用例日益增长。在Netflow流、日志流、数据流和存储数据上使用机器学习算法和数据分析，公司可以识别复杂的威胁载体并主动修复攻击。从欺诈检测到数据窃取，Hadoop提供了一个完整的平台，可处理全套遥测数据，实现高级关联并为先期威胁提供单一视图。

　　以上这些国外企业在搭建Hadoop时遇到的问题也侧面证实了Gartner“Hadoop即将在到达生产成熟期之前衰落”的结论，因为整个报告的调查主体相对来说更偏向于国外企业，这些企业对Hadoop的态度直接影响了Gartner的结论，而上述这些问题放在国内的大数据环境又会发生很多变化，这也让国内不少企业无法相信Hadoop失宠言论。