**韓冀中：**Hadoop是一個(gè)復(fù)雜的系統(tǒng)。Hadoop中的HBase是一種NoSQL系統(tǒng)，而Hive又是一種支持SQL查詢的工具。前者 是基于列存儲(chǔ)技術(shù)、面向小數(shù)據(jù)塊隨機(jī)訪問的。后者是在架構(gòu)在MapReduce之上、對(duì)數(shù)據(jù)進(jìn)行批量處理的技術(shù)。如果訪問Hadoop的主頁(yè)，你會(huì)發(fā)現(xiàn) Hadoop的主項(xiàng)目中是沒有HBase的。因?yàn)镠adoop的主體是MapReduce和HDFS，而Hbase、Hive、Pig等都是在外圍相關(guān)子 項(xiàng)目中的，它們共同構(gòu)成了Hadoop的生態(tài)環(huán)境。再額外說一點(diǎn)，為什么說Hadoop社區(qū)做得好呢？就是因?yàn)檫@些新開發(fā)的系統(tǒng)會(huì)先放在孵化器里面，經(jīng)過 一定階段，當(dāng)它能夠跟Hadoop的生態(tài)環(huán)境完美結(jié)合的時(shí)候，才會(huì)遷移進(jìn)這個(gè)生態(tài)環(huán)境里，成為Hadoop的子項(xiàng)目。

HBase是一種發(fā)展得比較早的NoSQL系統(tǒng)，最早源于Google的BigTable架構(gòu)，它的擴(kuò)展性非常好。而且HBase可以和Hadoop進(jìn)行緊密的融合，在運(yùn)行MapReduce程序的時(shí)候，它能夠保證良好的數(shù)據(jù)局部性。在這方面，它的優(yōu)勢(shì)很明顯。

Hadoop有競(jìng)爭(zhēng)對(duì)手嗎？

韓冀中：我認(rèn)為在大數(shù)據(jù)的批量處理方面，Hadoop在開源社區(qū)中沒有敵手。這并非因?yàn)镠adoop足夠完善，而是因?yàn)樗幸粋�(gè)足夠好的社區(qū)支持。

您近年來一直在研究基于key/value與MapReduce的存儲(chǔ)計(jì)算框架，也是國(guó)內(nèi)最早使用Hadoop的人之一，能否結(jié)合您的經(jīng)歷，談?wù)凥adoop實(shí)際應(yīng)用的情況？

韓冀中：我用Hadoop經(jīng)過了大概三個(gè)階段：第一個(gè)階段，寫MapReduce程序來解決應(yīng)用問題，包括并行 計(jì)算、數(shù)據(jù)存儲(chǔ)和動(dòng)態(tài)擴(kuò)展等。第二個(gè)階段，是跟企業(yè)結(jié)合，做一些跟Hadoop不一樣的東西�，F(xiàn)在是第三個(gè)階段，根據(jù)用戶需求，把Hadoop作為一個(gè)組 件來使用，這種情況下會(huì)與其他系統(tǒng)進(jìn)行整合。

現(xiàn)在，這個(gè)平臺(tái)最大的優(yōu)勢(shì)是能夠處理大量無結(jié)構(gòu)、半結(jié)構(gòu)化的數(shù)據(jù)，而互聯(lián)網(wǎng)企業(yè)的很多數(shù)據(jù)是這種類型的，他們的使用也能夠證明這個(gè)平臺(tái)的價(jià)值。如果 在互聯(lián)網(wǎng)以外的領(lǐng)域，Hadoop的性能不見得就比數(shù)據(jù)庫(kù)平臺(tái)好，衡量它的性能還是跟應(yīng)用有關(guān)系。對(duì)于Hadoop的評(píng)價(jià)，真正更有發(fā)言權(quán)的是那些互聯(lián)網(wǎng) 公司，他們每天都在運(yùn)行這些系統(tǒng)，對(duì)運(yùn)維的感受更直接。

我們后來使用Hadoop不是在互聯(lián)網(wǎng)領(lǐng)域，而是在其他一些領(lǐng)域，比如電網(wǎng)，他們的需求跟互聯(lián)網(wǎng)公司的需求是不一樣的。跟這些公司的業(yè)務(wù)需求結(jié)合的 時(shí)候，涉及的就不只是Hadoop這一個(gè)平臺(tái)，同時(shí)要考慮怎么跟其他平臺(tái)結(jié)合。我們經(jīng)歷過這種情況：企業(yè)過去是用數(shù)據(jù)庫(kù)的，現(xiàn)在想遷移到這個(gè)平臺(tái)，那么首 先要解決的是基于SQL應(yīng)用的切換。Hadoop本身有Hive這個(gè)工具，可以用來進(jìn)行無縫切換，不過這樣做以后，可能會(huì)發(fā)現(xiàn)性能上有些令人失望。

其實(shí)大家一直在討論Hadoop跟數(shù)據(jù)庫(kù)比較，哪個(gè)更好一些。實(shí)際上SQL數(shù)據(jù)庫(kù)目前已有的產(chǎn)品，性能是非常好的。根據(jù)我們的實(shí)驗(yàn)測(cè)試，在單點(diǎn)性能 上，Hadoop可能是比數(shù)據(jù)庫(kù)要差的。Hadoop更多靠規(guī)模來取勝。很多人說Hadoop比數(shù)據(jù)庫(kù)性能好多少，有可能是因?yàn)閿?shù)據(jù)庫(kù)沒有調(diào)好。數(shù)據(jù)庫(kù)用 得好的，提供的性能也是能支持系統(tǒng)開發(fā)的，關(guān)鍵看應(yīng)用需求。目前在真正的企業(yè)環(huán)境中，不會(huì)只用Hadoop，還會(huì)保留數(shù)據(jù)庫(kù)。我認(rèn)為這兩者不是誰取代誰的 關(guān)系，Hadoop并不會(huì)一統(tǒng)天下。

您了解國(guó)內(nèi)開源愛好者對(duì)Hadoop社區(qū)的貢獻(xiàn)嗎？

韓冀中：具體不太了解，總體上看，國(guó)內(nèi)的人目前還比較少。但我認(rèn)識(shí)計(jì)算所查禮老師的團(tuán)隊(duì)的何永強(qiáng)，就是一個(gè)Hadoop Committer。

開源社區(qū)其實(shí)有賴于穩(wěn)定的團(tuán)體來運(yùn)作，才能把它做好，并保證系統(tǒng)的穩(wěn)定。Hadoop這樣的離線系統(tǒng)對(duì)性能的要求不是最高的，更注重穩(wěn)定性。 Hadoop目前有Yahoo、Facebook、Cloudera等公司的參與，這種大公司采用它來管理集群，本身就具有很大的說服力。

《Hadoop實(shí)戰(zhàn)》一書最后案例分析中有中國(guó)移動(dòng)的案例，其實(shí)外文書使用中國(guó)案例的并不多見，您怎么看待這一情況？

韓冀中：《Hadoop實(shí)戰(zhàn)》最后的幾個(gè)案例是這本書很有特色的地方。的確，國(guó)外的書對(duì)中國(guó)的案例確實(shí)引用很 少，這也從側(cè)面說明這幾年Hadoop在國(guó)內(nèi)的發(fā)展很快。目前云計(jì)算應(yīng)用的研究異常火熱，一定會(huì)影響國(guó)內(nèi)的大型企業(yè)和機(jī)構(gòu)。Hadoop的核心技術(shù)是參照 了Google這個(gè)互聯(lián)網(wǎng)公司，所以目前比較成功的Hadoop應(yīng)用主要是在互聯(lián)網(wǎng)領(lǐng)域。而其它行業(yè)使用Hadoop，還需要與自身業(yè)務(wù)特征相結(jié)合，因此 在應(yīng)用的過程中還需要付出很大的努力。這也是我們目前和電網(wǎng)等企業(yè)合作的主要工作目標(biāo)。

對(duì)于Hadoop的學(xué)習(xí)者，您有哪些建議呢？《Hadoop實(shí)戰(zhàn)》這本書有什么樣的特點(diǎn)呢？

韓冀中：Hadoop是個(gè)生態(tài)系統(tǒng)，不同學(xué)習(xí)者會(huì)對(duì)這個(gè)系統(tǒng)有不同的應(yīng)用需求。我自己是從編程開始逐漸了解Hadoop的，我覺得這是一種可行也比 較快的進(jìn)階方法。可能大多數(shù)人都是通過看官方文檔或參考書，然后結(jié)合自己的工作熟悉Hadoop的。目前希望了解和使用Hadoop的人來自各個(gè)行業(yè)，甚 至不同專業(yè)。相對(duì)于這個(gè)龐大的用戶群而言，Hadoop的教材顯得太少了。Hadoop的官方文檔的確是非常全面的，對(duì)于高階用戶而言，應(yīng)該經(jīng)常查看，了 解最新的更新。但對(duì)于剛剛了解Hadoop的讀者，通過一本系統(tǒng)的書籍來學(xué)習(xí)是更好的，而且會(huì)大大縮短學(xué)習(xí)的時(shí)間。

《Hadoop實(shí)戰(zhàn)》這本書除了講解使用Hadoop所需的基礎(chǔ)知識(shí)，還給出了編寫和運(yùn)行Hadoop數(shù)據(jù)處理程序所需的實(shí)踐技能，最后還探討了 Hadoop之外更大的生態(tài)環(huán)境（Hive、Pig、HBase等)。我很欣賞作者的這個(gè)結(jié)構(gòu)，我想這也是讀者非常容易理解的一種結(jié)構(gòu)。如果把這本書當(dāng)成 一部小說來看的話，MapReduce就是貫穿本書的主線。它并不是一本包羅萬象的系統(tǒng)工具書，更像是一本簡(jiǎn)明的編程語言手冊(cè)，有一點(diǎn)How To的意思。它在MapReduce編程方面也講得比較深入透徹，有些內(nèi)容來自于作者的寶貴的實(shí)踐經(jīng)驗(yàn)，是非常值得一讀的。

那些希望實(shí)際使用MapReduce編程的讀者，一定會(huì)很非常喜歡這本書。這本書給了許多數(shù)據(jù)的下載鏈接和一些實(shí)戰(zhàn)練習(xí)，建議大家有時(shí)間做一做，會(huì) 對(duì)MapReduce這個(gè)語言有更多的體會(huì)。學(xué)計(jì)算機(jī)不是一門科學(xué)，更像是一門藝術(shù)，真正有效的學(xué)習(xí)還是要從動(dòng)手寫代碼開始。

如果想了解更多資訊和應(yīng)用經(jīng)驗(yàn)，大家可以關(guān)注一些會(huì)議，比如國(guó)外的Hadoop World，國(guó)內(nèi)的Hadoop in China等等,每年都有一些很好的技術(shù)講座，往年的也大多可以在一些視頻網(wǎng)站上找到。

今年的Hadoop中國(guó)2011云計(jì)算大會(huì)就要召開了，主題是“海量數(shù)據(jù)掘?qū)殹�，您能否提前給我們透露些大會(huì)的看點(diǎn)？

韓冀中：這個(gè)會(huì)議是計(jì)算所查禮老師組織的，具體我不太清楚。不過據(jù)說今年請(qǐng)了Doug Cutting，重量級(jí)人物，非常值得期待。

據(jù)悉斯坦福和卡內(nèi)基•梅隆等一流大學(xué)已經(jīng)開始將Hadoop引入他們的計(jì)算機(jī)科學(xué)課程，國(guó)內(nèi)院校的情況如何？

韓冀中：近幾年我們?cè)谡猩�，還沒有看到本科生有開設(shè)過這方面課程的。計(jì)算所的詹劍鋒老師在中科院研究生院開設(shè)了一個(gè)相關(guān)課程，其他院校不太了解。

《Hadoop實(shí)戰(zhàn)》一書在尋找譯者的過程中，王斌老師力薦我們請(qǐng)您翻譯。這是您第一次獨(dú)立完成一本書的翻譯工作，能夠談?wù)勥@方面的感受？

韓冀中：非常謝謝王斌老師的推薦，讓我有機(jī)會(huì)能夠參與到這本書的翻譯中。我很喜歡這本書的內(nèi)容組織，很榮幸能夠通過我的努力，把這本書介紹給國(guó)內(nèi)的讀者。

我是做科研的，科研工作者總是想把東西做得更完美一點(diǎn)，所以開始的時(shí)候特別細(xì)，每一個(gè)和原文字句不太一致的地方都會(huì)糾結(jié)半天，但后來慢慢學(xué)習(xí)翻譯這 件事，可能對(duì)于科技書來說，，更追求準(zhǔn)確表達(dá)技術(shù)本身，后面翻譯的時(shí)候就調(diào)整了思路，更注重這方面。我現(xiàn)在再看一些文學(xué)方面的翻譯書，會(huì)從翻譯角度去體會(huì)， 確實(shí)很不一樣。翻譯還是挺有意思的，自己做的東西一直在累進(jìn)，之前沒有這種長(zhǎng)時(shí)間閱讀和寫作的經(jīng)歷，如果再有合適的書，我還是愿意來做的。這次翻譯的過程 對(duì)我?guī)椭脖容^大，起碼寫東西更快了（笑），我也想建議別人來做一次這樣的工作。

因?yàn)檫@本書都是我在業(yè)余時(shí)間完成的，加之工作繁忙，經(jīng)常打斷進(jìn)度，所以翻譯得非常慢。在翻譯的過程中，得到了圖靈多位編輯的幫助，沒有他們的支持和 激勵(lì)，我想我是無法完成這個(gè)工作的。在翻譯的后期，經(jīng)常是每翻譯完一部分后，就發(fā)給編輯部。對(duì)我而言，這樣做很有效。我想如果編輯部能夠鼓勵(lì)譯者更多地進(jìn) 行有效溝通，特別是對(duì)翻譯新手，不僅可以及時(shí)改正翻譯中的錯(cuò)誤，也可以推動(dòng)翻譯工作的進(jìn)度。

本文轉(zhuǎn)載自：

  本文關(guān)鍵詞：Hadoop實(shí)戰(zhàn)，由筆耕文化傳播整理發(fā)布。