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。

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(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應用來訪問數(shù)據(jù)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(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。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(shù)據(jù)供應商傾向于僅將Hadoop當作數(shù)據(jù)容器的原因，為了提高效率，他們在此基礎上再開發(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。

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(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用同時在內(nèi)部訪問數(shù)據(jù)。

相對于當前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大。其主要管理方式類似于操作系統(tǒng)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(fā)者就能夠直接在Hadoop內(nèi)部來開發(fā)應用，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)有供應商對在YARN框架內(nèi)開發(fā)應用表現(xiàn)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(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。