對于Hadoop技術而言，可以說是開源領域的傳奇，然而如今業界還伴隨著一些流言，這些流言可能會導致IT高管們帶著“有色”的觀點去制定策略。

　　如今，數據量在以驚人的速度增長，從IDC分析師報告中2013年數據存儲上的增長速度將達到53.4%，AT&T更是聲稱無線數據的流量在過去的5年內增長200倍，從互聯網內容、電子郵件、應用通知、社交消息以及每天接收的消息都在顯著的增長，這也是眾多大企業都聚焦大數據的原因所在。 

　　毫無疑問，Hadoop成為解決大數據需求的主要投資領域之一，而類似Facebook等互聯網巨頭在都公開的吹捧Hadoop上取得的成功，同樣初入大數據領域的公司也必先著眼于Hadoop。但對于Hadoop技術而言，是一個多維的解決方案，可以通過不同的方式進行部署和使用。下面就了解一些關于Hadoop和大數據的七大錯誤理念：

　　1.大數據僅僅是容量

　　對大數據來說，除了指體積之外，還經常提到Variety（多樣）、Variability（可變）、Velocity（速度）和Value（價值）。關鍵點在于大數據并不是體積上的增長，更多是未來的實時分析、結構化和非結構化數據的發展，并被企業CIO用于更好的決策。

綜上所述，并不是只有分析大數據才會獲得價值。舉個例子，存儲和分析1PB的超時限數據的價值可能比不上實時分析1GB的數據，而從“新鮮”的數據上獲得價值比解剖過時的數據更具價值。

2.傳統SQL不能在Hadoop上使用

　　眾多廠商在Hadoop上投入精力，布局市場戰略時，十分清楚HDFS和MapReduce受限于處理類似SQL語言的能力，這也是Hive、Pig和Sqoop最終得以推廣的原因。更多企業通過Hadoop和SQL兼容來管理大量的數據，Pivotal HD是結合SQL并行處理資料庫與Hadoop 2.0，針對企業資料分析需求而優化的Hadoop強化版本。　

3.Hadoop是唯一的新IT數據平臺

　　談到數據平臺，大型機在IT投資組合里有是一個長期投資，與ERP、CRM和SCM這些系統一樣演變至今。而面對大數據時代，大型機不想被架構遺棄，必須展示在現有IT投資環境中的價值，而許多客戶遇到速度、規模和成本的問題，通過vFabric SQLFire這樣的內存大數據網絡去解決高速數據存取，促進大型機批處理或實時分析報告這些問題。

#p#

4.虛擬化會導致性能下降

　　Hadoop最初的設計只是運行實體服務器上，然而隨著云計算發展，許多企業都希望能作為云數據中心提供服務。之所以虛擬化Hadoop，企業首先要考慮管理基礎設施的擴展性，認識到擴展計算資源，比如虛擬Hadoop節點在數據和計算分開時會對性能有所幫助，否則如果你關閉某個Hadoop節點將丟失上面的所有數據或者添加一個沒有數據的空節點。

5.Hadoop只可以在數據中心運行

　　對于在SaaS云服務解決方案，許多云服務允許云端運行Hadoop、SQL，這無疑可以幫助企業省下數據中心建造投資的時間和金錢。特別是對于公有云情況下，Java開發者可以從Spring Data for Hadoop以及一些其它的GitHub用例中獲益。

大數據復雜性

6.Hadoop對虛擬化無經濟價值

　　Hadoop被很多人認為，盡管在商用服務器上運行，添加一個虛擬層在帶來額外支出的同時并不會有額外的價值收益，但其實這個說法并沒有考慮到數據和數據分析事實上都是動態的。虛擬化基礎設施同樣可以減少物理硬件數量，讓CAPEX（資本支出）直接等于商用硬件成本，而通過自動以及高效利用共享基礎設施同樣可以減少OPEX（運營成本）。

7.Hadoop不能運行在SAN或NAS上

　　盡管Hadoop在本地磁盤上運行，對于中小型集群一樣可以在一個共享的SAN環境下體現良好的性能表現，而高帶寬比如10GB以太網、PoE以及iSCSI對性能同樣有很好的支持。

由此，大數據成為行業追逐的熱點，以上七大有關大數據“誤解”問題的客觀看待。如同不同項目需求不同，Hadoop是一個工具來幫助企業更好的應對大數據問題。無論是面對數據網格的GemFire​或SQLFire，還是面向消息的RabbitMQ中間件，一個完整的SaaS解決方案如今比在Hadoop環境更容易實現。