【中培偉業(yè)】以往 Hadoop 似乎就是大數(shù)據(jù)的代名詞。不過最近隨著大數(shù)據(jù)應(yīng)用的深入，大家已經(jīng)越來越傾向于僅僅把它看成是大數(shù)據(jù)的一個存儲工具了。接下來的Hadoop 2.0就為了解決之前所出現(xiàn)的問題。
　　不過這并不一定就是壞事。把 Hadoop 當(dāng)作廉價有效的存儲正好是 Hadoop 下一階段演進(jìn)的的完美起點(diǎn)。今年夏天就要亮相的 Hadoop 2.0 將會令數(shù)據(jù)倉庫中的信息以及非結(jié)構(gòu)化數(shù)據(jù)池前所未有地容易訪問。
　　Hadoop大桶
　　自成為大數(shù)據(jù)工具以來，Hadoop 就是一個非常棒的數(shù)據(jù)存儲系統(tǒng)，但是需要開發(fā) Java 應(yīng)用來訪問數(shù)據(jù)的 MapReduce 學(xué)習(xí)起來卻比較困難。
　　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)庫范式來處理數(shù)據(jù)。Hive數(shù)據(jù)倉庫則可以讓你用類 SQL 的 HiveSQL 查詢語言來創(chuàng)建查詢并轉(zhuǎn)化為 MapReduce 任務(wù)。不過 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，他們在此基礎(chǔ)上再開發(fā)自己的工具來獲取或分析其中的數(shù)據(jù)。盡管把 Hadoop 形容為一個大桶很形象，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(fā)布經(jīng)理 Arun Murthy 看來，其最重要的變化是 MapReduce 框架升級為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，而后者則允許多個應(yīng)用同時在內(nèi)部訪問數(shù)據(jù)。
　　相對于當(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)對任務(wù)的處理，也就是說不再有一次一項(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。
　　Murthy 稱，現(xiàn)在已經(jīng)有供應(yīng)商對在 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，大數(shù)據(jù)會變得更加有用、更加大眾化。