不适合使用的场景.docxVIP

不适合使用Hadoop的场景。　　Hadoop通常被认定是能够帮助你解决所有问题的唯一方案。当人们提到“大数据”或是“数据分析”等相关问题的时候，会听到脱口而出的回答：Hadoop! ?实际上Hadoop被设计和建造出来，是用来解决一系列特定问题的。对某些问题来说，Hadoop至多算是一个不好的选择，对另一些问题来说，选择Hadoop甚至会是一个错误。对于数据转换的操作，或者更广泛意义上的抽取-转换-装载的操作，使用Hadoop系统能够得到很多好处，但是如果你的问题是下面5类之中的一个的话，Hadoop可能会是一不合适的解决方案。　　1.对于大数据的渴望——数据规模在TB/PB以下的应用不适合　　很多人相信他们拥有正真“大”的数据，但通常情况并非如此。当考虑数据容量和理解大多数人对“大数据”处理的想法的时候，我们应当参考这篇研究论文，没有人会因为买了一个集群的服务器而被辞退，它告诉了我们一些有趣的事实。 Hadoop是被设计成用来处理在TB或PB级别的数据的，而世界上大多数的计算任务处理的是100GB以下的输入数据。(Microsoft和Yahoo在这个数据统计上的中位数是14GB,而90% Facebook的任务处理的是100GB以下的数据)。对于这样的情况来说，纵向扩展的解决方案就会在性能上胜过横向扩展(scale-out)的解决方案。　　(译者注：纵向扩展scale-up通常