有人認(rèn)為  正在失敗，但硅谷數(shù)據(jù)管理公司 Hortonworks 的總經(jīng)理 Vamsi K. Chemitiganti 并不這么看，為了反駁此前一篇文章《為什么 Hadoop 正在消亡?(Why Hadoop is Failing)》的觀點，他在自己的博客上寫了一篇論述自己看法的文章，他認(rèn)為達(dá)爾文式的開源生態(tài)系統(tǒng)正在確保 成為穩(wěn)固和成熟的技術(shù)平臺。機(jī)器之心對這篇反駁文章進(jìn)行了編譯介紹，但本文內(nèi)容并不代表機(jī)器之心的觀點。

為什么 Hadoop 正在發(fā)展壯大

過去兩年來，我一直致力于大數(shù)據(jù)方面的研究，并在這段時間里經(jīng)歷了令人感到震撼的變革，因為我一直在全球各地為銀行業(yè)的領(lǐng)導(dǎo)者們提供咨詢服務(wù)。

這也是為什么當(dāng)近期 KDnuggets 出現(xiàn)了一篇挑釁性質(zhì)的《為什么 Hadoop 正在消亡》時，我必須站出來反對了。在那篇文章中，作者的討論具有建設(shè)性，但問題在于其討論基于一些毫無根據(jù)的假設(shè)。在深入研究之前，我們要考慮其中的背景。

公司業(yè)務(wù)中數(shù)字架構(gòu)的出現(xiàn)意味著公司能夠與全球客戶/消費者/病人持續(xù)地在線互動。其目的并不僅僅是為了提供友好的可視化內(nèi)容，而是為了提供跨渠道，多類型的個性化服務(wù)。移動應(yīng)用首先迫使企業(yè)將服務(wù)形式升級為與消費者在多渠道中展開溝通。例如銀行業(yè)，所有銀行現(xiàn)在都涵蓋了四到五種服務(wù)方式：移動 app、電子銀行、呼叫中心、快捷銀行等。醫(yī)療保健業(yè)有希望成為下一個改變面貌的行業(yè)，護(hù)理人員已經(jīng)開始采用 iPad 來協(xié)助診斷，存儲和處理患者的藥物和疾病數(shù)據(jù)。大數(shù)據(jù)技術(shù)的發(fā)展是為了克服以往方法(RDBMS 和 EDW)的局限性，解決在數(shù)字應(yīng)用堆棧中數(shù)據(jù)架構(gòu)和分析的挑戰(zhàn)。

這些挑戰(zhàn)包括：

• 數(shù)據(jù)體量擴(kuò)大的挑戰(zhàn)。
• 公司數(shù)據(jù)種類的飛速膨脹。
• Hadoop 顯然也有自己的限制——例如支持低延遲 BI(Business Intelligence，商業(yè)智能)查詢的能力。但是 Hadoop 之前的方法顯然有更多的缺陷，它們無法處理和管理大量數(shù)據(jù)，從而為數(shù)字架構(gòu)的業(yè)務(wù)帶來了兩大挑戰(zhàn)。第一個挑戰(zhàn)是在企業(yè)數(shù)據(jù)流架構(gòu)中實時提供洞見;第二個挑戰(zhàn)是進(jìn)行進(jìn)一步分析的能力：快速進(jìn)行預(yù)測分析和深度學(xué)習(xí)(經(jīng)常需要每秒處理百萬條信息)，從而能夠跨領(lǐng)域解決復(fù)雜問題。Hadoop 是唯一能讓這些挑戰(zhàn)化為有效商業(yè)機(jī)會的方式。

達(dá)爾文式的開源生態(tài)系統(tǒng)正在確保 Hadoop 成為穩(wěn)固和成熟的技術(shù)平臺。

目前的絕大多數(shù) Hadoop 大數(shù)據(jù)項目(超過 25 個)都依靠開源社區(qū)在 Apache 生態(tài)系統(tǒng)中孵化、開發(fā)和維護(hù)。開源社區(qū)本質(zhì)上是達(dá)爾文式的。它專注于代碼質(zhì)量和行業(yè)應(yīng)用，依賴于路線圖和提交者的正確性，如果一個項目缺乏這些，那它會很快走進(jìn)墳?zāi)埂Q句話說，生態(tài)系統(tǒng)中沒有落后者的位置。

讓我們看看那篇文章中作者的主要假設(shè)吧。

假設(shè) 1：Hadoop 采用不再增長，最多持平

我日常工作中的最重要的部分是與多個客戶合作探討他們的業(yè)務(wù)計劃以及尋找應(yīng)用技術(shù)來解決這些復(fù)雜難題的方法。我可以證明最大企業(yè)對 Hadoop 的采用絕對沒有停滯不前。盡管我的觀點肯定是道聽途說，而且不是來自于企業(yè)內(nèi)部的內(nèi)幕，但在銀行業(yè)、電信業(yè)、制造業(yè)和保險業(yè)，Hadoop 的采用卻實實在在地在飛漲。在早期就與領(lǐng)先的供應(yīng)商合作的企業(yè)已經(jīng)或多或少找到了將這項技術(shù)應(yīng)用于它們的業(yè)務(wù)難題的好方法。采用 Hadoop 的模式正在成熟，而且它們也正在意識到其中巨大的商業(yè)價值。一家領(lǐng)先的供應(yīng)商 Hortonworks 在實現(xiàn) 1 億美元年收入的道路上比其它任何科技創(chuàng)業(yè)公司都跑得快——這是該領(lǐng)域潛力的有力證明。Cloudera 剛剛已經(jīng)上市。在見證著這樣的增長的同時，我們也看到領(lǐng)先的 EDW 供應(yīng)商的收入和股價卻略有下跌。我預(yù)計，未來 5-7 年內(nèi)就會出現(xiàn)第一家年收入達(dá)到 10 億美元的大數(shù)據(jù)「創(chuàng)業(yè)公司」，與備受尊敬的開源先驅(qū) Red Hat 相比還多少快一點。至少，Hadoop 項目能幫助企業(yè)從昂貴和不靈活的企業(yè)數(shù)據(jù)倉庫項目上節(jié)省成百上千萬美元。幾乎所有組織都已經(jīng)開始部署 Hadoop，以作為它們的企業(yè)登陸區(qū)(ELZ：Enterprise Landing Zone)，從而增強(qiáng)它們的 EDW。

假設(shè) 2：使用 Hadoop 創(chuàng)造的項目的商業(yè)價值不明顯

該作者在這方面還有點道理，但讓我解釋一下為什么這是組織機(jī)構(gòu)所面臨的難題，而實際上并不是任何技術(shù)堆棧(中間件或云或大數(shù)據(jù))的過錯。這個難題在于：尋找大數(shù)據(jù)項目的商業(yè)價值往往是一個精細(xì)活，涉及到整個復(fù)雜的組織結(jié)構(gòu)。IT 部分當(dāng)然可以將 POC(概念驗證)作為一門科學(xué)或一項「一次性簡歷構(gòu)建」項目而開始，但其業(yè)務(wù)線需要從一開始就參與進(jìn)來，比其它任務(wù)技術(shù)類別都早。大數(shù)據(jù)并不是關(guān)于存儲大量數(shù)據(jù)的基礎(chǔ)設(shè)施的施工，而是關(guān)于如何在收集和策劃的數(shù)據(jù)上創(chuàng)造業(yè)務(wù)分析。不管這些分析是簡單而老套的商業(yè)智能(BI)，還是數(shù)據(jù)科學(xué)導(dǎo)向的，它們都依賴于一個組織本身的文化和創(chuàng)新。

組織機(jī)構(gòu)不僅在使用大數(shù)據(jù)來解決已有的業(yè)務(wù)難題(銷售更多商品、檢測欺詐、報告風(fēng)險等)，而且也在使用大數(shù)據(jù)分析得到的見解來快速實驗新的業(yè)務(wù)模型。聰明的 CDO(首席數(shù)據(jù)官)應(yīng)該知道如何擁有這種技術(shù)、創(chuàng)造合適的內(nèi)部成本核算模型并將已有的業(yè)務(wù)線(LOB)項目納入到數(shù)據(jù)湖(data lake)。

每個 CDO 在一開始時就要提出以下兩個問題：

• 整個組織將要具備怎樣的業(yè)務(wù)能力?
• 哪方面的數(shù)字轉(zhuǎn)換可以通過大數(shù)據(jù)達(dá)到最優(yōu)?

假設(shè) 3：對于 PB 級的大規(guī)模數(shù)據(jù)，大數(shù)據(jù)是唯一可行的技術(shù)解決方案

該作者寫道：「如果你的企業(yè)沒有巨量數(shù)據(jù)的問題，你真的用不著 Hadoop，所以數(shù)以百計的企業(yè)都對他們無用的 2 到 10 TB 的 Hadoop 集群感到非常失望——在這種規(guī)模上，Hadoop 技術(shù)沒有任何優(yōu)勢?！?/p>

這并不能從實際情況上觀察到，因為以下三個原因：

首先，大多數(shù) TB 級的項目都是租用的更大規(guī)模的集群。數(shù)據(jù)湖的真正價值是在跨組織的數(shù)據(jù)庫上構(gòu)建，而在此之前，這么做需要高昂的成本，或者難度太大。一旦你將所有數(shù)據(jù)都集中到了一處，那么你就可以將它們混合起來，以一種前所未有的方式對其進(jìn)行分析。

其次，正如我將在下面說的那樣，許多玩家正在使用大數(shù)據(jù)來在操作 TB 級的數(shù)據(jù)的同時獲得關(guān)鍵的「速度」優(yōu)勢。

第三，我推薦每一個客戶從「小」開始，并將數(shù)據(jù)湖用作企業(yè)登陸區(qū)——用于企業(yè)常規(guī)業(yè)務(wù)運(yùn)營所產(chǎn)生的數(shù)據(jù)。Hadoop 集群不僅可被用作廉價的存儲，但也可用于執(zhí)行一些重復(fù)但計算密集型的數(shù)據(jù)處理任務(wù)(數(shù)據(jù)連接、排序、分割、binning 等等)，這能將企業(yè)數(shù)據(jù)倉庫(EDW)從一系列繁重的工作中解脫出來。

假設(shè) 4：很難找到 Hadoop 人才

作者的話——「盡管 57% 的人認(rèn)為，技術(shù)鴻溝是主要原因，這個比例也不會一夜之間發(fā)生改變。這正好與 Indeed 的發(fā)現(xiàn)吻合：他們追蹤了『Hadoop 測試』崗位情況，2014 年中期，招聘廣告百分比最高為 0.061%，但是，2016 年增至 0.087%，18 個月里增加了 43%。這些情況可能預(yù)示著，采用 Hadoop 并沒有下降到那些傳聞臆想所暗示的程度，不過，公司也很容易發(fā)現(xiàn)他們很難從公司當(dāng)前團(tuán)隊的 Hadoop 那里實現(xiàn)價值，他們需要更好的專業(yè)技術(shù)人才?！?/p>

這個技術(shù)鴻溝是確實存在的且主要存在這三個領(lǐng)域——數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師以及 Hadoop 管理員。不過，這并不是 Hadoop 獨有的難題，實際上每種新技術(shù)都會有這種煩惱。公司要通過增強(qiáng)內(nèi)部員工的的技能、與全球系統(tǒng)集成商(GSI)、與學(xué)術(shù)界合作來彌合這個鴻溝。實際上，從事大數(shù)據(jù)項目的前景會吸引人才加入組織。

大型組織該如何啟動自己的大數(shù)據(jù)之旅?

避免跌進(jìn)「大數(shù)據(jù)并不帶來價值」這個坑的最佳措施是什么?

• 以最高級別推進(jìn)大數(shù)據(jù)以及大數(shù)據(jù)商業(yè)和技術(shù)應(yīng)用的討論。大數(shù)據(jù)需要在最高級別上成為組織 DNA 的一部分，需要和其他驅(qū)動產(chǎn)業(yè)的主要技術(shù)一起加以討論——比如云技術(shù)、移動技術(shù)、開發(fā)運(yùn)營以及社交、API 等。
• 打造或者組建一支首席數(shù)據(jù)官領(lǐng)導(dǎo)下的團(tuán)隊。團(tuán)隊可以是現(xiàn)實的，也可是虛擬的，但都需要將組織策略納入考慮。
• 建立一個卓越中心(COE：Center of Excellence)或者類似這樣的聯(lián)合渠道，在這里，中心團(tuán)隊可以就這些項目與不同的業(yè)務(wù)線合作。
• 作為 COE 的一部分，還要制定一個采納最新技術(shù)的流程。
• 合適的監(jiān)管和項目監(jiān)督
• 找出那些能驅(qū)動大數(shù)據(jù)項目的關(guān)鍵業(yè)務(wù)標(biāo)準(zhǔn)，包括對期望增長加速、成本削減、風(fēng)險管理以及實現(xiàn)競爭優(yōu)勢的詳細(xì)分析。
• 讓業(yè)務(wù)線參與進(jìn)來，以迭代的方式發(fā)展這些能力。幾乎所有成功的大數(shù)據(jù)項目都是以一種開發(fā)運(yùn)營的方式得以推進(jìn)的。

總結(jié)

大數(shù)據(jù)生態(tài)系統(tǒng)和 Hadoop 技術(shù)為全球垂直領(lǐng)域的組織提供了一個成熟、穩(wěn)定和功能豐富的平臺來實施復(fù)雜的數(shù)字化項目。不過，技術(shù)的成熟度僅僅是一個必要因素。就旨在創(chuàng)新的思維模式而言，組織能力才是驅(qū)動內(nèi)部變革的關(guān)鍵力量。因此，在商業(yè)領(lǐng)導(dǎo)、IT 團(tuán)隊以及內(nèi)部領(lǐng)域?qū)＜液凸芾砀鱾€方面，孕育學(xué)習(xí)的思維模式也很關(guān)鍵。對于大數(shù)據(jù)來說，普世座右銘「一分耕耘一分收獲」更加真實。盡管很容易將某個項目的失敗歸咎給一項技術(shù)、某個公司或者某個技術(shù)不佳的人員，但是，你應(yīng)該與安于現(xiàn)狀的思維模式作斗爭。確認(rèn)競爭沒有停下來時，你才能安心。

編輯推薦：