Hadoop是當下流行的大數據並行計算體系，橫向擴展、生態圈成熟等一直是它的主要特點。但這些特點當中，絕對不包含廉價。
可能你認為的低成本，實際上只是硬體和軟體授權成本，而不是總體成本。在學習成本、開發成本、管理成本上Hadoop並不總是佔優。現在伴隨公有雲技術的成熟，Hadoop甚至連硬體成本也不佔優了。
Hadoop與阿里雲MaxCompute的成本對比
國內做大數據，基本就這兩個選擇：自建Hadoop或者使用阿里雲的MaxCompute（就是原來的ODPS）。像Amazon、Google、微軟的大數據服務在國內基本處於不可用或者很難用的狀態。這裡，我們就來對比一下這兩個主流的技術選型：
以企業擁有10TB數據為例，自建hadoop集群，則至少需要6臺機器(3nodes+2NameNode+1jobtracker)，成本在20萬左右。除此之外，還需要投入機房資源，網絡設備和運維成本。這其中主要是運維成本，要知道一個運維人員的成本一年至少15萬。這樣，整體算下來要55萬左右。
如果採用阿里雲的MaxCompute，按照現在的報價，大約需要32160(存儲費用)+45000(計算費用)=77160元。也就是說二者的成本差距在7倍以上。
按照Hortonworks首席技術官EricBaldeschwieler關於成本的陳述，就更為誇張：硬體成本只佔Hadoop數據中心總成本的20%。
掀開Hadoop的蓋子 這些隱性成本你需要知道
「Hadoop是一個框架，不是一個解決方案」——在解決大數據分析的問題上人們誤認為Hadoop可以立即有效工作，而實際上對於簡單的查詢，它是可以的。但對於難一些的分析問題，Hadoop會迅速敗下陣來，因為需要你直接開發Map/Reduce代碼。出於這個原因，Hadoop更像是J2EE編程環境而不是商業分析解決方案。 所謂框架意味著你一定要在之上做個性化和業務相關的開發和實現，而這些都需要成本。
同時，因為Hadoop龐大的生態系統，也導致了學習成本奇高。目前Hadoop生態中包括了幾十種相關的產品，常見的就有：MapReduce、HDFS、Hive、hbase、YARN、Zookeeper、Avro、JAQL、PIG、solr、mesos、shark、stream、storm。熟悉這些產品的部署步驟、功能特性、開發方法都需要付出高昂的學習成本。
有開發者評論說，「它變得好像是用一個錘子來建造一個房屋」，這並不是不可能，但是帶來了「不必要的痛苦和可笑的低效成本」。
http://apple.zol.com.cn/586/5868713.html apple.zol.com.cn true 中關村在線 http://apple.zol.com.cn/586/5868713.html report 1844 Hadoop是當下流行的大數據並行計算體系，橫向擴展、生態圈成熟等一直是它的主要特點。但這些特點當中，絕對不包含廉價。 可能你認為的低成本，實際上只是硬體和軟體授權成本，而不是總體成本。在學習成本、開發成本、管理成本上Hadoop並不總是佔優。現在伴隨公有雲...