Cloudera对于Apache Hadoop的变与不变

  【天极网信息化频道】谈到大数据，我们不得不说Hadoop。Hadoop，正式诞生于2006年1月28日，是多个开源项目的生态系统，它从根本上改变了企业存储、处理和分析数据的方式。

  正值Hadoop 10周年生日，Cloudera在京举行了Hadoop十周年暨Cloudera新春媒体见面会。会上Cloudera全球副总裁、大中华区总经理凌琦分享了Hadoop及其演变的历史，阐述了Cloudera商业模式和行业领先地位，以及Hadoop在2016年的展望。

  Cloudera CDH与开源Hadoop

  凌琦表示，经过十年的发展，Hadoop加入了越来越多的内容。2015年又是Apache Hadoop标志性的一年，Spark已经是Hadoop整个生态环境当中非常重要的组成部分，Kudu全新储存能力也加入进来，Hadoop的安全性也得到了提升。

  Cloudera的Hadoop发行版本叫做CDH，CDH与开源的Hadoop有什么区别呢？凌琦说，CDH是基于Apache Hadoop，但是在此基础上又进行了改进。第一，开源Apache Hadoop由很多项目组成，但是各个项目软件之间是不同步的，如何使这些软件能够互相工作在一起，以及保持这些软件互相之间的兼容性，这就是Cloudera CDH要做的事情。第二，Hadoop集群规模越来越大，承载的软件越来越多，如何管理是个大问题。Cloudera Manager可以实现对整个Apache核心计算和存储的管理，这也是CDH商业版本当中的一部分。

  此外，Apache Hadoop版本迭代也会给企业带来困扰，在每个新的Apache的版本出来之后，Cloudera都会通过完善的测试决定商业发行版的架构。凌琦表示，Cloudera每个版本都对应Apache的版本，但是又有它的增强部分。最为重要的是Cloudera有大量的工程师给Apache贡献代码，所有这些增强部分的改变，最后还会回到主流当中去，从而保证Cloudera发行版和Apache Hadoop版本的一致性。

  凌琦总结说，Cloudera的Hadoop发行版本有两个部分，一个是把Hadoop开源系统项目最稳定最新的版本打包，并对相关组件进行测试使之配合，最后形成一个易于使用的完整版本。另外一个是经过测试和认证，Cloudera修复主干中的某些Bug部分或者添加新的特性，最后形成一个经过测试的完整的、能够适用于关键业务应用的版本。

  Cloudera构建Hadoop生态圈

  目前Hadoop已经成为一个大数据平台软件，围绕Hadoop的生态圈日趋完善。在这些围绕Hadoop的项目中，Cloudera贡献了很大一部分，并被Apache软件基金会所认可。

  Cloudera定位是企业级的大数据分析存储、分析和管理平台。目前Cloudera在上海、北京、广州都有办事处没，能够直接对中国客户提供支持。据凌琦介绍，Cloudera的业务主要三块，大数据软件，大数据咨询和专业服务，还有教育培训。

  在合作伙伴方面，Cloudera和硬件厂商的合作，比如戴尔，另外还有英特尔，2013年，英特尔投资了Cloudera，现在是Cloudera最大的机构投资者。英特尔Hadoop大数据的团队和Cloudera形成了一种合作的研发模式，这两家公司合作的研发，所贡献的代码占有现在Hadoop贡献代码的54%。

  Cloudera一方面与ISV和SI等软件合作伙伴合作，另一方面硬件厂商开展一体机的OEM合作。比如，在Teradata一体机里面的处理非结构化数据的部分就是由Cloudera提供。凌琦透露，Cloudera与国内相关硬件厂商的合作也在紧锣密鼓进行中。

  对于开源，凌琦补充说，如果一家厂商做的东西只有自己知道，不开源，对于客户来说，实际上一旦买了你的东西就绑定了，对最终用户来讲都是一个风险。所以遵从开源的游戏规则，多个厂商进行互相之间的合作，对最终用户来说多个选择，这是一个好事情。

  最后，凌琦介绍了Cloudera对于2016年Hadoop大数据技术趋势的展望。

  Hadoop将更加隐形

  Cloudera联合创始人兼首席战略官Mike Olson曾表示，用户真正在乎基于Hadoop的平台和能达到的业务结果，而不是Hadoop本身。Hadoop之初的用例定位就是一个经济型的深度存储和数据处理平台，我们陆续看到如今大大小小的企业都在用这个平台进行创新部署，涉及的应用也越发广泛。

  凌琦表示，目前很多行业都在应用Hadoop创新自身的服务。比如英国电信通过Hadoop实现对客户跨业务形成360度视角，重新调整了与客户的交互行为方式。

  Hadoop技术将被广泛使用

  Cloudera通过学术合作伙伴(CAP)来培养未来所需的Hadoop技术专家，目前已经有超过100名合作伙伴，这无疑是一个重要的里程碑。凌琦表示，对于企业来讲，更大的挑战是如何判断和评估Hadoop的最佳适用。就自身而言，我们将尽可能的简化产品。比如，Cloudera Navigator Optimizer让工作负载更加可视化，有助于客户了解如何最大化利用Hadoop平台，减少开发时间并提高性能。

  物联网机遇下的云

  2015年物联网成为大数据时代以来出现频率最高的词汇之一。Cloudera的客户长期以来一直活跃于物联网领域。举个例子，Vivint使用Cloudera为用户提供物联网解决方案，提升了家居联网的同时也改进了服务体验。另一个例子，Omneo推动工业化物联网领域，实时优化供应链，通过这种方法节省了1500万到2000万美元。

  对于Hadoop而言，云的法则同样适用，因为数据越来越多地从本地迁移到云上。

  数据到底是存储在本地还是云端？有调查显示，45%的人回答到他们的所有数据都是本地存储的，大概一些企业也是如此。相反，只有33%的人希望在2020年前，他们的数据可以实现云存储。这充分说明数据对混合云模式的转变，Hadoop部署同样也会受到云计算模式的影响。

  此外，还有调查显示54%的调查者表示在云上Hadoop的复杂性是导致他们不用AWS云部署的原因。针对此种情况，Cloudera投资开发Cloudera Director这样的工具来简化云部署技术，持续提高整个平台的易用性。

  结语

  经过十年的发展，Hadoop已经成为企业迎接大数据时代的最好工具。Cloudera则在Apache Hadoop之上针对企业的需求进行了定制化，这让Cloudera Hadoop既可以从开源社区获得源源不断的创新，又可以针对企业的实际需求提供按需定制的Hadoop服务。