Hadoop或衰落，但核心组件生命力旺盛！

【IT168 评论】关于Hadoop生死的讨论已经进入后半场，KPI当前，企业继续专注自己的业务发展，厂商继续包装自己的产品，重心都不再是Hadoop的命运走向。在这之中，我们可能忽略了一些问题，比如Hadoop核心组件与边缘组件的边界正在变得越来越清晰;Spark、Flink正在逐渐成长，生态渐渐庞大;可供选择的组件越来越多，企业对于如何选择毫无头绪。

本期走访嘉宾：刘译璟，百分点集团技术副总裁兼首席架构师。作为Hadoop生态的直接使用者，百分点对Hadoop的命运如何看待?层出不穷的Hadoop生态组件，百分点是如何选择的呢?

所谓专注：Hadoop的优势恰恰是它最大的劣势!

2011年，Hadoop在百分点正式上线。起初，百分点主要是应用MapReduce、Hive和HDFS三大核心组件做数据仓库相关的工作。随后，组件越来越丰富，功能也越来越强大。但总体来讲，Hadoop在百分点大数据架构中还是扮演着一个基础平台的角色。

基于多年Hadoop生态的应用经验，刘译璟认为，Hadoop最大的优势就是可处理的数据量庞大且运行稳定。在节点资源不增加的情况下，Hadoop的运行速度虽然不占优势，但却是十分稳定的。在海量数据处理方面，Hadoop依旧是目前为止可以找到的最合适的解决方案。

既是优势也是劣势，Hadoop在批处理方面的强大无法掩盖其在实时处理以及流处理方面的缺憾。作为后来者的Spark和Flink正是弥补了Hadoop的这些劣势，才在大数据市场分得了一方天下。

与其讨论庞大的Hadoop生态的命运，不如先看看各组件都过得如何!

Gartner在《2017年数据管理技术成熟度曲线》中指出，尽管企业对大数据解决方案的需求在不断增长，但对Hadoop的需求并没有像预期那样加速，企业对Hadoop的热情很低。刘译璟认为，企业对Hadoop的关注度降低是正常的，概念炒作阶段结束，企业将关注点移回业务和解决方案本身，部分厂商又开始将焦点对准下一轮新兴技术，准备着新一波的技术炒作。

Gartner认为，Hadoop到达生产成熟期前即被淘汰

单就Gartner报告，我们很难对Hadoop判死刑。毕竟，事实上，它已经存在于国内很多企业的大数据架构中，每天都会有成千上万的任务运行在Hadoop之上，这其中不免核心任务。既然我们对庞大的Hadoop生态的命运摇摆不定，不如先来看看Hadoop各大组件的生存现状，一旦这些组件逐渐被外来者替换，整个生态自然无法称之为“Hadoop生态”。

虽然，Hadoop生态历史悠久且成熟，企业没有必要将运行良好的整个底层架构替换掉。但是，Hadoop生态中各个组件的可替换性还是很高的，Hadoop生态的概念被慢慢淡化是有可能的。比如，不少企业会在机器学习任务中使用Spark或者Tensorflow，甚至尝试类似Flink这样的新技术。

至于各大组件的生命力，刘译璟认为企业需要判断组件之间的差异性，选择生命力相对较长的组件。他表示，HBase、HDFS以及ZooKeeper这类组件的生命力还是挺长的，短期内不会消失。毕竟，类似HDFS这样的基础组件消失是很困难的，无论是Spark还是Flink，底层的文件系统都是HDFS，很少有第三方厂商基于开源再造一个文件系统，HDFS在某种程度上奠定了大数据的基础。

其次，应用极其广泛的Hive也是Hadoop生态表现比较好的组件之一，类SQL的做法易于学习，企业可进一步增加自定义的函数和方法。

最后，ZooKeeper和HBase也是可以放心的两个选择。目前，不少系统集成了ZooKeeper，因为它是分布式应用程序协调服务很关键的工具。在海量数据存储方面，刘译璟认为，目前看起来比较靠谱的方案依旧是HBase。无论是时间序列数据库还是图数据库底层往往都是HBase，这也说明其性能的优异。

但是，MapReduce、Hive这类组件确实可能被Spark等替换掉，随着硬件越来越成熟，Spark的优化工作越来越好，企业很可能倾向于在内存中计算。此外，Hadoop在机器学习方面确实不太擅长，Mahout等组件表现不佳，成为不少企业选择Spark的原因之一。最后，资源管理器Yarn与Hadoop的绑定过于紧，而实际上，我们有很多资源调度管理方法可供选择，比如Kubernetes等，对各种应用的支持某种程度上比Yarn更完善，无论是外部类型应用，大数据应用还是机器学习应用均可处理。

不少用户都在讨论：这么多组件，企业如何搭配才是正确的。其实，组件的选取肯定与具体完成的业务相关，除上述讨论，刘译璟也分享了百分点的大数据操作系统图，希望对从业者有所帮助。

大数据天下咋分?被热捧的Spark和Flink或许会先大战一场!

对于现在比较热门的两大Hadoop替补队员——Spark和Flink，刘译璟认为，整体来看，Spark确实还有很大的发展空间。作为后来者，Spark在功能与效果上确实比Hadoop更好。随着Flink的逐渐完善，Spark与Flink之间的竞争关系会更为直接明显，因为二者的理念和方法十分相像，都弥补了Hadoop在实时处理和流式处理方面的缺憾。

但是，一项技术要想真正发展起来不单单取决于技术本身的价值。想要与Hadoop平起平坐，Flink和Spark还需要来自厂商、开发者甚至是资本方面的支持，暂时无法预测未来的大数据市场会是什么样的现象。

总之，Hadoop生态可能走向衰落，但核心组件的生命力依然旺盛!