Hadoop是一个强大而灵活的大型数据分析平台。
仅此声明是一个令人信服的理由，需要考虑使用Hadoop进行分析项目。
为了帮助进一步提示尺度，以下是将Hadoop作为大数据解决方案的一部分部署Hadoop的十大引人注目的原因。

Hadoop相对便宜

实现Hadoop集群的每raibyte的成本比设置磁带备份系统更便宜。
授予，Hadoop系统的成本更多，因为保持数据的磁盘驱动器都在线和供电，与磁带驱动器不同。
但这种有趣的指标仍然显示了Hadoop投资的巨大潜在价值。

Hadoop的主要原因是廉价的，它是对商品硬件的依赖。
企业数据管理中的传统解决方案取决于昂贵的资源，以确保高可用性和快速性能。

Hadoop有一个主动开源社区

每当组织投资软件包时，关键考虑因素是它购买的软件的长期相关性。
没有业务希望购买软件许可证，并在未来几个月和几年内构建围绕技术的特定技能，这些技能将是过时或者无关的。

在这方面，你不需要担心Hadoop。
Apache Hadoop项目是长期采用和相关的路径。
其主要项目有数十名提交人和数百名开发人员为贡献代码。
虽然这些人中的一些人是学者或者爱好者，但其中大多数是企业软件支付的，以帮助发展Hadoop平台。

Hadoop正在广泛采用各行业

与20世纪80年代和向内的关系数据库技术一样，Hadoop解决方案正在涌现在每个行业中。
大多数具有大规模信息管理挑战的业务严重探索Hadoop。
来自媒体故事和分析师报告的广泛共识现在表明，几乎所有财富500个都已开始拥有Hadoop项目。

Hadoop可以轻松扩展，因为数据增长

数据卷上升是组织所面临的广泛的大数据挑战。
在竞争激烈的环境中，分析越来越成为确定获奖者和输家的决定因素，能够分析那些增加的数据量正在成为高度优先级。

即使是现在，大多数传统的数据处理工具，如数据库和统计包，都需要更大的尺度硬件(更多内存，磁盘和CPU核心)来处理增加的数据卷。
考虑到需要昂贵的部件，这种扩大的方法是限制性和成本无效。

与扩展模型相比，在将更快且更高的容量硬件添加到单个服务器的情况下，Hadoop旨在通过添加数据节点轻松扩展。
这些数据节点，表示增加的群集存储容量和处理能力，可以轻松地将瞬间添加到活动群集。

传统工具正在与Hadoop集成

随着采用的增加，企业即将取决于Hadoop并使用它来存储和分析关键数据。
凭借此趋势，可以为人们习惯于为其传统数据源(如关系数据库)的相同类型的数据管理工具提供胃口。
以下是一些更重要的应用程序类别，我们可以看到与Hadoop集成：

• 业务分析工具

• 统计分析包装

• 数据集成工具

Hadoop可以以任何格式存储数据

Hadoop的一个函数反映了一个关键的NoSQL原理：首先存储数据，并在查询后应用任何模式。
根据本原则从行动中致力于accoop的一个主要福利是我们可以在Hadoop中存储任何类型的数据：完全非结构化，二进制格式，半系统的日志文件或者关系数据。

但随着这种灵活性来诅咒：存储数据后，我们最终想要分析 - 并分析杂乱数据可能是困难和耗时的。
这里的好消息是，越来越多的工具可以减轻大型杂乱数据集中常见的分析挑战。

Hadoop旨在运行复杂的分析

我们不仅可以存储在Hadoop中的任何内容，而且还可以对这种数据进行任何类型的算法运行。
Apache Mahout中包含的机器学习模型和库是素质示例，它们可用于各种复杂的问题，包括基于大量训练数据的分类元素。

Hadoop可以处理完整的数据集

对于欺诈分析类型的用例，来自多种来源的行业数据表明所有退货和索赔的3％均审计。
在许多情况下授予，例如选举投票，分析小型示例数据是有用的并且充分。

但是，当97％的回报和索赔未经审核时，即使具有良好的抽样规则，许多欺诈性仍然存在。
通过能够对整个数据语料进行欺诈分析，我们现在可以决定是否示例。

硬件正在为Hadoop进行优化

英特尔现在是Hadoop分销市场的一名球员。
这一举措由英特尔是一个精明的，因为它的分销工作表明了其开放源整合努力背后的严重性和承诺。

与Hadoop，英特尔看到了销售更多硬件的巨大机会。
毕竟，Hadoop集群可以具有数百个节点，所有要求处理器，主板，RAM和硬盘驱动器。
英特尔一直在重大投资Hadoop，以便它可以构建特定于特定的硬件优化，即其Hadoop贡献者可以集成到开源Hadoop项目中。

其他主要的硬件供应商(如IBM，DELL和HP)也积极将Hadoop友好的产品带到市场上。

Hadoop可以越来越多地处理灵活的工作负载

在为Hadoop 2释放的四年引入期间，有大量的关注旨在解决具有HDFS NameNode的单点故障(SPOF)的问题。
虽然这种特殊的成功毫无疑问是一个重要的改进，因为它对企业稳定做得很多，但纱线是一个更加重要的发展。

直到Hadoop 2，唯一可以在Hadoop集群上完成的处理限于MapReduce框架。
这对Hadoop最初建立的日志分析使用案例是可以接受的，但随着采用的增加来实现了增加的灵活性。