11 Δεκεμβρίου 2017

Πότε να χρησιμοποιείτε το Hadoop (και πότε όχι)

Όταν οι ενδιαφερόμενες επιχειρήσεις για την ανάπτυξη των big data κα των analytics ρωτούν πώς να ξεκινήσουν, συνήθως τις συμβουλεύουν να ξεκινήσουν με Hadoop, το λογισμικό ανοικτού κώδικα της Apache με πλαίσιο αποθήκευσης και προσπέλασης δεδομένων.

Υπάρχουν διάφοροι λόγοι γιατί το Hadoop είναι ελκυστικό προϊόν. Όχι μόνο προσφέρει η πλατφόρμα υπολογιστικές δυνατότητες και διαμοιρασμό σε χαμηλό κόστος, αλλά είναι ικανό να φτάσει στον αναμενόμενο όγκο δεδομένων για την τεχνολογία κινητών, τα κοινωνικά δίκτυα, το διαδίκτυο των πραγμάτων, και άλλες αναπτυσσόμενες ψηφιακές τεχνολογίες.

Δεν χρησιμοποιούν όμως όλοι οι επιστήμονες δεδομένων το Hadoop. Στην πραγματικότητα, πολλοί το χρησιμοποιούσαν και το εγκατέλειψαν. Σε μια πρόσφατη έρευνα για τα εμπόδια των big data analytics, το Paradigm4 αναφέρει ότι το 76% των επιστημόνων δεδομένων που χρησιμοποιούσαν Hadoop ή Spark, δήλωσαν πως έχει «σημαντικούς περιορισμούς».

Αν θέλετε να παράγετε περίπλοκα ή πραγματικού χρόνου analytics, η Hadoop μάλλον δεν σας ταιριάζει ως πλατφόρμα, εξηγεί η Claudia Perlich, επιστημονική επικεφαλής της Dstillery, μια εταιρία μάρκετινγκ που επεξεργάζεται δεδομένα περιήγησης για να βοηθήσει τις διαφημίσεις των εταιριών. Για το κομμάτι όπου η επιχείρηση της Dstillery παραδίδει διαφημίσεις, τα analytics πραγματικού χρόνου είναι απαραίτητα. «Αυτό το κομμάτι δεν μπορούμε να το κάνουμε με Hadoop», ανέφερε η Perlich.

Άλλος ένα λόγος απογοήτευσης είναι το κόστος του Hadoop. Οι επιχειρήσεις που επιλέγουν το Hadoop  πιστεύοντας πως έτσι εξοικονομούν χρήματα επειδή είναι ανοικτού κώδικα, βρίσκονται προ εκπλήξεως. Και συνήθως καταλήγουν να πληρώνουν για επιπλέον υπηρεσίες της Hadoop και για πρόσληψη προγραμματιστών και αναλυτών, επειδή τα σχέδια με Hadoop τις έχουν κάνει να υπολείπονται των ανταγωνιστών τους.

Οι εταιρίες που υιοθετούν σε πρώτη φάση το Hadoop και αντιμετωπίζουν προβλήματα μάλλον είναι τα θύματα του πρώτου κύματος της μόδας του Hadoop. Και η σταδιακή ωρίμανση των big data και της τεχνολογίας analytics, μαζί με πιο μορφωμένους καταναλωτές, θα κάνουν πιο εύκολο για τις εταιρίες να βρουν την καλύτερη λύση για analytics.



Πηγή: http://www.citeworld.com