专访:大数据群雄逐鹿 Hadoop坚持开源？

出身名门雅虎的Hortonworks拥有许多优秀的Hadoop架构师与源代码的贡献者，它们为Apache Hadoop项目贡献了超过80%的源代码。随着各种Hadoop发行版的涌现，Hortonworks如何能一枝独秀，坚持自己百分之百的开源路线呢? 本期IT名人堂嘉宾，我们在2015中国Hadoop技术峰会上，邀请到了Hortonworks的 CTO Jeff，对他进行了独家视频访谈。

皮皮：Jeff,很高兴认识您!作为Hortonworks的CTO，您在海外非常有名气了，可能对中国人还不太熟悉，能不能介绍下自己?

Jeff：当然，我叫Jeff,是Hortonworks亚太地区的技术总监，我们是一家提供开源Hadoop版本的提供商。

皮皮：在2015中国Hadoop技术峰会上，您的演讲主题是什么?能否和我们分享下您的主要演讲内容?

Jeff：我回顾了2014年的历程，也讲到了这一年重点发生的一些业界大事儿，整个Hadoop生态系统变得越来越成熟，变得越来越重要。在 技术层面上，我还谈及了架构、SQL on Hadoop的解决方案等。此外，我还从整个开源项目的角度，预测了2015年Hadoop生态系统的发展趋势。

皮皮：当我们谈到大数据，大家会想到Hadoop，于是有人就会很好奇，大数据等同于Hadoop吗?它们之间是什么关系?

Jeff：这个问题问得很好，有些人说大数据就是Hadoop，有些人觉得大数据不是Hadoop。毫无疑问，大数据势不可挡，变得越来越流行，这背后有很多原因，其一是因为它纯开源、拥有庞大的用户群;其二是因为有足够成熟的硬件支持，众人拾材火焰高。

这就意味着大家可以开始下载、尝试体验、找出一些处理和分析数据的新方法，那在此之前呢，我们没有办法做到这些，所以，我觉得大数据和Hadoop非常相近，可以合二为一。

皮皮：这些年来，Hadoop广为人知，几乎每个人都在谈论Hadoop，您是如何看待Hadoop生态系统的未来?

Jeff：我非常看好Hadoop生态系统的未来，因为它的开源，因为它拥有不错的硬件支撑，任何规模的企业都可以采用前所未有的方式来采集与分析数据，对我们来讲，我们会将重心转移，从之前关注版本技术的层面，逐步转移到更加广阔的用户应用场景中。

不同的行业，比如财务部门，制造业、电信业，怎么利用今天的数据来保持竞争性的优势呢?我们更需要探讨的是Hadoop对每个企业能带来哪些整体价值。对企业来讲，我们不仅要利用数据来淘金，还需要借助数据来更好、更深层次的理解客户、产品和他们的服务。

皮皮：您说得非常好，我们今天在谈大数据，经常会提及到3V( volume、variety、 velocity)，Hadoop是怎么来满足这些需求的?

Jeff：没错，这是一些与Hadoop、大数据非常相关的常见术语，我考虑更多的是，如何简化Hadoop的版本问题，这样我们可以采用新的方法把数据整合进Hadoop生态系统中。比如最近兴起的storm、spark技术等。

皮皮：我常常认为，我们可以借助大数据或者Hadoop技术，把原始数据变成美元或者人民币，但是数据是非常有价值的，有些数据也是特别敏感的，那在数据挖掘中如何保证数据的安全性呢?

Jeff：这些技术非常重要，在我们今天看到的Hadoop架构中是真实存在的，不可或缺的。无论是Hadoop、Storm还是Spark,它们的功能都在增长，也会变得更加重要。未来，我们觉得，大家会越来越喜欢探讨Hadoop用户案例等问题。

谈到Hadoop，我们可能不再关注于查询性能的优化，安全性问题将会成为Hadoop社区新的关注点。

我们Hortonworks收购了一家XA Secure的企业，我们为Apache软件基金会贡献了一个新项目Apache Ranger。这个新项目结合了一些安全性特征，被引入到了Hadoop项目的内核中，为Hadoop的发行版提供了全面的安全套件。在这个安全套件里， 不管你把数据存储在Hadoop集群里，还是存储在Hive Table、或者HDFS里，我们都可以使用Apache Ranger项目来确保数据的安全性。

皮皮：尽管Hadoop发展得如火如荼，但我们很少人会直接使用Apache的发行版。与此同时，我们注意到越来越多的Hadoop发行版开始 涌现了，比如Cloudera、IBM、微软、Hortonworks和Amazon等。能不能和我们谈谈这些发行版在大数据市场的地位?

Jeff:你说到，很少人会直接使用Apache发行版，这个没错。事实上，当你在使用Hortonworks 数据平台的时候，你在使用开源的Apache 软件基金会的发行版。我们坚信，开源能够带来最好的价值，开源能够实现最好的创新，开源能够为数据中心引入最好的技术。因此，我们要做的事情都会围绕 Apache软件基金会展开。

当然，我对其它的发行版也心生敬畏，比如Cloudera Manager、 Cloudera Navigator等，这些项目在开源的世界里发挥着非常重要的作用。而我们一直以来，都坚持将它开源，保持了整个Hadoop生态系统的纯开源的本质。 除了Hortonworks，没有其它的企业还能坚持百分之百的开源。

皮皮：对于中国从事大数据行业的CTO，您有哪些建议?

Jeff:当我们投入Apache软件基金会的研发过程时，当我们在开发Hadoop核心代码时，我们要把已有的技术和资金投入到我们的数据中 心里。无论你用的是Oracle、SQL Server、还是Teradata等数据库，我们想做的是将Hadoop整合到已有的技术中，能够将现有技术的价值最大化。因此，我想对CTO说的是， 请在你的数据中心中使用Hadoop吧，将Hadoop整合到您的产品中吧，因为它们是开源的。

皮皮：对于中国从事大数据行业的个人来讲，您有哪些建议?

Jeff:对于个人来讲，我的建议是上官方网站Hortonworks.com 下载Sandbox体验下，这是一个大家都可以使用的虚拟机，它能够免费运行在桌面上，同时支持Windows和Mac操作系统，大家可以在VMware 里运行Sandbox，也可以在VirtualBox里运行它。

随着企业数据量的增大，数据越来越多样化，Hadoop大展拳脚，很多终端用户感觉不到，但他们却在真实使用着Hadoop，他们能觉察到，自己所使用的数据越老越庞大，越老越复杂。

（来源：泰迪智慧）