对于hadoop技术而言，可以说是开源领域的传奇，然而如今业界还伴随着一些流言，这些流言可能会导致it高管们带着“有色”的观点去制定策略。

　　从idc分析师报告中2013年数据存储上的增长速度将达到53.4%，at&t更是声称无线数据的流量在过去的5年内增长200倍，从互联网内容、电子邮件、应用通知、社交消息以及每天接收的消息都在显著的增长，这也是众多大企业都聚焦大数据的原因所在。

　　毫无疑问，hadoop成为解决大数据需求的主要投资领域之一，而类似facebook等互联网巨头在都公开的吹捧hadoop上取得的成功，同样初入大数据领域的公司也必先着眼于hadoop。但对于hadoop技术而言，是一个多维的解决方案，可以通过不同的方式进行部署和使用。下面就了解一些关于hadoop和大数据的七大错误理念：

　　1.大数据仅仅是容量

　　对大数据来说，除了指体积之外，还经常提到variety（多样）、variability（可变）、velocity（速度）和value（价值）。关键点在于大数据并不是体积上的增长，更多是未来的实时分析、结构化和非结构化数据的发展，并被企业cio用于更好的决策。

    综上所述，并不是只有分析大数据才会获得价值。举个例子，存储和分析1pb的超时限数据的价值可能比不上实时分析1gb的数据，而从“新鲜”的数据上获得价值比解剖过时的数据更具价值。

　　2.传统sql不能在hadoop上使用

　　众多厂商在hadoop上投入精力，布局市场战略时，十分清楚hdfs和mapreduce受限于处理类似sql语言的能力，这也是hive、pig和sqoop最终得以推广的原因。更多企业通过hadoop和sql兼容来管理大量的数据，pivotal hd是结合sql并行处理资料库与hadoop 2.0，针对企业资料分析需求而优化的hadoop强化版本。　

　  3.hadoop是唯一的新it数据平台

　　谈到数据平台，大型机在it投资组合里有是一个长期投资，与erp、crm和scm这些系统一样演变至今。而面对大数据时代，大型机不想被架构遗弃，必须展示在现有it投资环境中的价值，而许多客户遇到速度、规模和成本的问题，通过vfabric sqlfire这样的内存大数据网络去解决高速数据存取，促进大型机批处理或实时分析报告这些问题。

　　4.虚拟化会导致性能下降

　　hadoop最初的设计只是运行实体服务器上，然而随着云计算发展，许多企业都希望能作为云数据中心提供服务。之所以虚拟化hadoop，企业首先要考虑管理基础设施的扩展性，认识到扩展计算资源，比如虚拟hadoop节点在数据和计算分开时会对性能有所帮助，否则如果你关闭某个hadoop节点将丢失上面的所有数据或者添加一个没有数据的空节点。

　　5.hadoop只可以在数据中心运行

　　对于在saas云服务解决方案，许多云服务允许云端运行hadoop、sql，这无疑可以帮助企业省下数据中心建造投资的时间和金钱。特别是对于公有云情况下，java开发者可以从spring data for hadoop以及一些其它的github用例中获益。

　　6.hadoop对虚拟化无经济价值

hadoop对虚拟化无经济价值

　　hadoop被很多人认为，尽管在商用服务器上运行，添加一个虚拟层在带来额外支出的同时并不会有额外的价值收益，但其实这个说法并没有考虑到数据和数据分析事实上都是动态的。虚拟化基础设施同样可以减少物理硬件数量，让capex（资本支出）直接等于商用硬件成本，而通过自动以及高效利用共享基础设施同样可以减少opex（运营成本）。

　　7.hadoop不能运行在san或nas上

　　尽管hadoop在本地磁盘上运行，对于中小型集群一样可以在一个共享的san环境下体现良好的性能表现，而高带宽比如10gb以太网、poe以及iscsi对性能同样有很好的支持。

    由此，大数据成为行业追逐的热点，以上七大有关大数据“误解”问题的客观看待。如同不同项目需求不同，hadoop是一个工具来帮助企业更好的应对大数据问题。无论是面对数据网格的gemfire 或sqlfire，还是面向消息的rabbitmq中间件，一个完整的saas解决方案如今比在hadoop环境更容易实现。