การดำน้ำลึกลงในฮาพูป - ตอนที่ 1 ด้านเทคนิค

หมายเหตุถึงบรรณาธิการ: นี่เป็นบันทึกการถ่ายทอดสด คุณสามารถดูเว็บคาสต์แบบเต็มได้ที่นี่

Eric Kavanagh: ท่านสุภาพบุรุษและสุภาพสตรีถึงเวลาที่จะฉลาด! ถึงเวลาแล้วสำหรับ TechWise รายการใหม่ล่าสุด! ฉันชื่อ Eric Kavanagh ฉันจะเป็นผู้ดูแลของคุณสำหรับตอนแรกของ TechWise ถูกต้องแล้ว นี่คือความร่วมมือของ Techopedia และกลุ่ม Bloor ซึ่งเป็นที่รู้จักกันดีจาก Inside Analysis

ฉันชื่อ Eric Kavanagh ฉันจะดูแลเหตุการณ์นี้น่าสนใจจริงๆและเกี่ยวข้องกับคน เราจะขุดลึกลงไปในผ้าเพื่อทำความเข้าใจกับสิ่งที่เกิดขึ้นกับสิ่งที่ยิ่งใหญ่นี้ที่เรียกว่า Hadoop ช้างในห้องคืออะไร? มันเรียกว่า Hadoop เราจะพยายามหาว่ามันหมายถึงอะไรและเกิดอะไรขึ้นกับมัน

ก่อนอื่นขอบคุณมากสำหรับสปอนเซอร์ของเรา GridGain, Actian, Zettaset และ DataTorrent เราจะได้คำสั้น ๆ จากแต่ละคำใกล้จบกิจกรรมนี้ นอกจากนี้เรายังมีคำถามและคำตอบดังนั้นอย่าอาย - ส่งคำถามของคุณได้ตลอดเวลา

เราจะขุดลงไปในรายละเอียดและโยนคำถามยาก ๆ ที่ผู้เชี่ยวชาญของเรา และการพูดของผู้เชี่ยวชาญเฮ้พวกเขาอยู่ที่นั่น ดังนั้นเราจะได้ยินจากดร. โรบินบลอร์ของเราเองและคนอื่น ๆ ฉันตื่นเต้นมากที่มีเรย์หวางนักวิเคราะห์หลักและผู้ก่อตั้ง Constellation Research เขาออนไลน์ในวันนี้เพื่อให้ความคิดกับเขาและเขาก็เหมือนโรบินว่าเขามีความหลากหลายอย่างไม่น่าเชื่อและมุ่งเน้นไปที่หลาย ๆ พื้นที่และมีความสามารถในการสังเคราะห์พวกเขาและเข้าใจสิ่งที่เกิดขึ้นในเทคโนโลยีสารสนเทศทั้งหมดนี้ และการจัดการข้อมูล

มีช้างตัวน้อยน่ารักนั่นอยู่ เขาเป็นจุดเริ่มต้นของถนนอย่างที่คุณเห็น มันเพิ่งจะเริ่มแล้วมันเป็นแค่การเริ่มต้นสิ่ง Hadoop ทั้งหมดนี้ แน่นอนว่าในปีพ. ศ. 2549 หรือ 2550 ผมคิดว่าเมื่อมันถูกเผยแพร่สู่ชุมชนโอเพ่นซอร์ส แต่ก็มีหลายสิ่งหลายอย่างเกิดขึ้น มีการพัฒนาอย่างมาก ในความเป็นจริงฉันต้องการนำเสนอเรื่องราวดังนั้นฉันจะแบ่งปันเดสก์ท็อปอย่างรวดเร็วอย่างน้อยฉันก็คิดว่าฉันเป็น มาแชร์เดสก์ท็อปอย่างรวดเร็วกันเถอะ

ฉันกำลังแสดงให้คุณเห็นถึงเรื่องราวที่บ้าคลั่งและบ้าคลั่ง ดังนั้น Intel ลงทุน 740 ล้านเหรียญสหรัฐเพื่อซื้อร้อยละ 18 ของ Cloudera ฉันคิดและฉันชอบ "Holy Christmas!" ฉันเริ่มทำคณิตศาสตร์และมันก็เหมือนกับว่า "มันเป็นมูลค่า 4.1 พันล้านดอลลาร์" ลองคิดดูสักครู่ ฉันหมายความว่าหาก WhatsApp มีมูลค่า 2 พันล้านเหรียญฉันคิดว่า Cloudera อาจมีมูลค่าถึง 4.1 พันล้านดอลลาร์ใช่ไหม ฉันหมายความว่าทำไมไม่ บางส่วนของตัวเลขเหล่านี้เพิ่งออกไปนอกหน้าต่างในวันนี้ ฉันหมายถึงโดยทั่วไปแล้วในแง่ของการลงทุนคุณมี EBITDA และกลไกต่าง ๆ เหล่านี้ทั้งหมดรายได้ทวีคูณและอื่น ๆ มันจะเป็นหนึ่งในรายได้ที่สูงถึง 4.1 พันล้านดอลลาร์สำหรับ Cloudera ซึ่งเป็น บริษัท ที่ยอดเยี่ยม อย่าเข้าใจฉันผิด - มีบางคนที่ฉลาดมาก ๆ อยู่ตรงนั้นรวมถึงผู้ชายที่เริ่มต้นความคลั่งไคล้ Hadoop ทั้งหมด Doug Cutting เขาอยู่ที่นั่น - ผู้คนที่ฉลาดมากที่ทำสิ่งต่างๆมากมายจริง ๆ สิ่งที่ยอดเยี่ยม แต่สิ่งที่สำคัญที่สุดคือ 4.1 พันล้านดอลลาร์นั่นคือเงินจำนวนมาก

ดังนั้นนี่คือช่วงเวลาที่ชัดเจนในการผ่านหัวของฉันตอนนี้ซึ่งเป็นชิป Intel นักออกแบบชิปของพวกเขากำลังนำไปสู่ชิปที่ได้รับการปรับปรุงให้ดีที่สุดของ Hadoop ฉันต้องคิดอย่างนั้น นั่นเป็นเพียงการคาดเดาของฉัน นั่นเป็นเพียงข่าวลือที่มาจากฉันถ้าคุณต้องการ แต่มันก็สมเหตุสมผล และสิ่งนี้หมายความว่าอย่างไร

นี่คือทฤษฎีของฉัน เกิดอะไรขึ้น? หลายสิ่งนี้ไม่ใช่เรื่องใหม่ การประมวลผลแบบขนานขนาดใหญ่นั้นไม่ใช่เรื่องใหม่ การประมวลผลแบบขนานแน่นอนว่าไม่ใช่เรื่องใหม่ ฉันอยู่ในโลกแห่งการประมวลผลที่รวดเร็วมาระยะหนึ่งแล้ว สิ่งเหล่านี้เกิดขึ้นมากมายไม่ใช่เรื่องใหม่ แต่มีการรับรู้ทั่วไปว่ามีวิธีการใหม่ในการโจมตีปัญหาเหล่านี้ สิ่งที่ฉันเห็นเกิดขึ้นถ้าคุณดูที่ผู้ค้ารายใหญ่ของ Cloudera หรือ Hortonworks และคนอื่น ๆ เหล่านี้สิ่งที่พวกเขากำลังทำจริง ๆ ถ้าคุณต้มลงไปในระดับกลั่นมากที่สุดคือการพัฒนาโปรแกรม นั่นคือสิ่งที่พวกเขากำลังทำ

พวกเขากำลังออกแบบแอพพลิเคชั่นใหม่บางตัวเกี่ยวข้องกับการวิเคราะห์ธุรกิจ บางคนก็เกี่ยวข้องกับระบบการอัดประจุมากเกินไป หนึ่งในผู้ขายของเราที่ได้พูดคุยเกี่ยวกับเรื่องนี้พวกเขาทำสิ่งนั้นทุกวันในรายการวันนี้ แต่ถ้ามันใหม่มากคำตอบก็คือ "ไม่จริง" แต่มีเรื่องใหญ่เกิดขึ้นและโดยส่วนตัวฉันคิดว่าสิ่งที่เกิดขึ้นกับ Intel การลงทุนครั้งใหญ่ครั้งนี้เป็นการย้ายตลาด พวกเขามองโลกวันนี้และเห็นว่ามันเป็นโลกแห่งการผูกขาดในทุกวันนี้ มี Facebook และพวกเขาก็เอาชนะน้ำมูกของ MySpace ที่ยากจนได้ LinkedIn เอาชนะน้ำมูกของคนยากจน ดังนั้นคุณมองไปรอบ ๆ และเป็นบริการหนึ่งที่ครองพื้นที่ที่แตกต่างกันทั้งหมดในโลกของเราวันนี้และฉันคิดว่าความคิดคือ Intel กำลังจะโยนชิปทั้งหมดของพวกเขาใน Cloudera และพยายามยกระดับขึ้นไปด้านบนสุดของสแต็ค ทฤษฎีของฉัน

ดังนั้นคนอย่างที่ฉันบอกว่าเรากำลังจะมีเซสชั่นถาม & ตอบยาวดังนั้นไม่ต้องอาย ส่งคำถามของคุณได้ตลอดเวลา คุณสามารถทำได้โดยใช้องค์ประกอบถาม & ตอบของคอนโซลเว็บคาสต์ของคุณ และด้วยสิ่งนั้นฉันต้องการไปที่เนื้อหาของเราเพราะเรามีหลายสิ่งที่ต้องผ่าน

ดังนั้น Robin Bloor ให้ฉันส่งมอบกุญแจให้คุณและพื้นเป็นของคุณ

Robin Bloor: ตกลงเอริคขอบคุณสำหรับสิ่งนั้น มาเต้นรำกับช้างกันเถอะ มันเป็นเรื่องแปลกจริงที่ช้างเป็นสัตว์เลี้ยงลูกด้วยนมบนบกคนเดียวที่กระโดดไม่ได้จริงๆ ช้างเหล่านี้ทั้งหมดในภาพกราฟิกนี้มีพื้นอย่างน้อยหนึ่งฟุตบนพื้นดังนั้นฉันคิดว่ามันเป็นไปได้ แต่ในระดับหนึ่งเห็นได้ชัดว่าช้างเหล่านี้เป็นช้าง Hadoop ซึ่งมีความสามารถมาก

คำถามจริงๆที่ฉันคิดว่าจะต้องมีการหารือและจะต้องมีการหารือในความซื่อสัตย์สุจริตทั้งหมด จะต้องมีการพูดคุยก่อนที่คุณจะไปที่อื่นซึ่งเป็นการเริ่มต้นพูดคุยเกี่ยวกับสิ่งที่ Hadoop จริง ๆ

หนึ่งในสิ่งที่มันมาจากพื้นฐานการเล่นของมนุษย์คือการจัดเก็บคีย์ - ค่า เราเคยมีร้านค้าคีย์ - ค่า เราเคยมีพวกเขาในเมนเฟรมของไอบีเอ็ม เรามีพวกมันในมินิคอมพิวเตอร์ DEC VAX มีไฟล์ IMS มีความสามารถของ ISAM ที่แทบทุกมินิคอมพิวเตอร์ที่คุณสามารถใช้งานได้ แต่บางครั้งในช่วงปลายยุค 80 ยูนิกซ์ก็เข้ามาและ Unix ไม่มีที่เก็บคีย์ - ค่าใด ๆ เมื่อยูนิกซ์พัฒนามันพวกมันพัฒนาขึ้นอย่างรวดเร็วมาก สิ่งที่เกิดขึ้นจริง ๆ ก็คือผู้จำหน่ายฐานข้อมูลโดยเฉพาะอย่างยิ่ง Oracle ไปที่นั่นและพวกเขาขายฐานข้อมูลของคุณเพื่อดูแลข้อมูลใด ๆ ที่คุณสนใจในการจัดการบน Unix Windows และ Linux กลายเป็นเหมือนเดิม ดังนั้นอุตสาหกรรมจึงเป็นช่วงเวลาที่ดีที่สุดในรอบ 20 ปีโดยไม่มีร้านค้าคีย์ - ค่าทั่วไป ก็กลับมาแล้ว ไม่เพียง แต่มันจะกลับมา แต่ก็สามารถปรับขนาดได้

ตอนนี้ฉันคิดว่ามันเป็นรากฐานของสิ่งที่ Hadoop จริง ๆ และในระดับหนึ่งมันเป็นตัวกำหนดว่าจะไปที่ไหน เราชอบร้านค้าคีย์ - ค่าอะไรบ้าง พวกคุณที่มีอายุเท่าฉันและจำได้ว่าทำงานกับร้านคีย์ - ค่าจริง ๆ แล้วคุณรู้ว่าคุณสามารถใช้พวกมันเพื่อตั้งค่าฐานข้อมูลอย่างไม่เป็นทางการ แต่อย่างไม่เป็นทางการเท่านั้น คุณรู้ว่าเมตาดาต้าให้ความสำคัญกับการจัดเก็บอย่างรวดเร็วในรหัสโปรแกรม แต่คุณสามารถสร้างไฟล์ภายนอกได้และคุณสามารถทำได้ถ้าคุณต้องการเริ่มการรักษาที่เก็บคีย์ - ค่าเหมือนกับฐานข้อมูล แต่แน่นอนว่าไม่ได้มีความสามารถในการกู้คืนข้อมูลทั้งหมดที่ฐานข้อมูลมีอยู่และมันก็ไม่มีสิ่งที่น่ากลัวมากมายที่ฐานข้อมูลได้รับ แต่มันเป็นคุณสมบัติที่มีประโยชน์มากสำหรับนักพัฒนาและนั่นเป็นหนึ่งในเหตุผลที่ฉันคิดว่า ที่ Hadoop ได้พิสูจน์แล้วว่าเป็นที่นิยม - เพียงเพราะมันเป็นโค๊ดโปรแกรมเมอร์ผู้พัฒนาที่รวดเร็ว พวกเขารู้ว่าไม่เพียง แต่เป็นค่าคีย์ของร้านค้า แต่เป็นร้านค้าคีย์ - ค่าที่ลดขนาด มันขยายออกไปเรื่อย ๆ ฉันส่งสเกลเหล่านี้ออกเป็นเซิร์ฟเวอร์นับพันแล้วนั่นคือสิ่งที่ยิ่งใหญ่เกี่ยวกับ Hadoop นั่นคือสิ่งที่มันเป็น

มันมีอยู่ด้านบนของมัน MapReduce ซึ่งเป็นอัลกอริทึมการขนาน แต่ที่จริงแล้วในความคิดของฉันไม่สำคัญ คุณรู้ไหม Hadoop เป็นกิ้งก่า มันไม่ใช่แค่ระบบไฟล์ ฉันเคยเห็นการอ้างสิทธิ์แบบต่าง ๆ ที่ทำขึ้นสำหรับ Hadoop: มันเป็นฐานข้อมูลลับ มันไม่มีฐานข้อมูลลับ มันเป็นร้านค้าทั่วไป มันเป็นกล่องเครื่องมือวิเคราะห์ มันเป็นสภาพแวดล้อมของ ELT; เป็นเครื่องมือล้างข้อมูล มันเป็นคลังข้อมูลแพลตฟอร์มสตรีมมิ่ง; มันเป็นที่เก็บถาวร เป็นการรักษาโรคมะเร็งและอื่น ๆ สิ่งเหล่านี้ส่วนใหญ่ไม่เป็นความจริงสำหรับวานิลลา Hadoop Hadoop น่าจะเป็นเครื่องต้นแบบ - แน่นอนว่ามันเป็นสภาพแวดล้อมต้นแบบสำหรับฐานข้อมูล SQL แต่จริงๆแล้วมันไม่ได้มีเลยถ้าคุณใส่พื้นที่อายุด้วยแคตตาล็อกอายุเหนือ Hadoop คุณมีสิ่งที่ดูเหมือนฐานข้อมูล แต่จริงๆแล้วมันไม่ใช่ สิ่งที่ทุกคนจะเรียกฐานข้อมูลในแง่ของความสามารถ ความสามารถเหล่านี้มากมายคุณสามารถนำมันมาใช้กับ Hadoop ได้อย่างแน่นอน มีจำนวนมากอย่างแน่นอน ในความเป็นจริงคุณสามารถหาแหล่ง Hadoop ได้ แต่ Hadoop เองนั้นไม่ใช่สิ่งที่ฉันจะเรียกว่าแข็งกระด้างได้ดังนั้นการจัดการกับ Hadoop จริง ๆ แล้วฉันจะไม่ทำอะไรเลยนั่นคือคุณต้องมีสาม - ผลิตภัณฑ์ของบุคคลที่จะเพิ่มประสิทธิภาพ

ดังนั้นการพูดคุยเกี่ยวกับคุณสามารถทำได้เพียงไม่กี่บรรทัดในขณะที่ฉันกำลังพูดถึง Hadoop ก่อนอื่นความสามารถในการค้นหาตามเวลาจริงคุณรู้ว่าเวลาจริงเป็นประเภทของเวลาทำธุรกิจจริง ๆ แล้วประสิทธิภาพเกือบจะสำคัญอย่างยิ่ง ฉันหมายความว่าทำไมคุณต้องวิศวกรแบบเรียลไทม์ Hadoop ไม่ได้ทำสิ่งนี้จริงๆ มันทำบางสิ่งที่ใกล้เวลาจริง แต่มันไม่ได้ทำอะไรแบบเรียลไทม์ มันเป็นการสตรีม แต่มันไม่ได้ทำการสตรีมในแบบที่ฉันจะเรียกได้ว่าแพลตฟอร์มการสตรีมมิ่งแอปพลิเคชั่นที่สำคัญต่อภารกิจจริงๆสามารถทำได้ มีความแตกต่างระหว่างฐานข้อมูลและร้านค้าที่ชัดเจน ซิงโครไนซ์ไปยัง Hadoop จะช่วยให้คุณมีแหล่งข้อมูลที่ชัดเจน มันเหมือนกับฐานข้อมูล แต่มันไม่เหมือนกับฐานข้อมูล ในความคิดของฉัน Hadoop ไม่ได้มีคุณสมบัติเหมือนฐานข้อมูลเลยเพราะมันมีบางสิ่งที่ฐานข้อมูลควรมี Hadoop ทำอะไรได้มากมาย แต่มันก็ทำได้ไม่ดีนัก อีกครั้งความสามารถของที่นั่น แต่เราอยู่ห่างจากการมีความสามารถที่รวดเร็วในทุกด้านเหล่านี้

สิ่งอื่น ๆ ที่ต้องเข้าใจเกี่ยวกับ Hadoop คือมันเป็นเรื่องที่ไกลมากตั้งแต่ได้รับการพัฒนา มันได้รับการพัฒนาในช่วงแรก ๆ ; มันได้รับการพัฒนาเมื่อเรามีเซิร์ฟเวอร์ที่จริง ๆ แล้วมีโปรเซสเซอร์เพียงตัวเดียวต่อเซิร์ฟเวอร์ เราไม่เคยมีโปรเซสเซอร์แบบมัลติคอร์และมันถูกสร้างขึ้นเพื่อทำงานบนกริดเปิดกริดและเซอร์เวอร์ หนึ่งในเป้าหมายการออกแบบของ Hadoop คือการไม่สูญเสียงาน และนั่นก็เกี่ยวกับความล้มเหลวของดิสก์เพราะถ้าคุณมีเซิร์ฟเวอร์หลายร้อยเครื่องความน่าจะเป็นคือถ้าคุณมีดิสก์บนเซิร์ฟเวอร์ความน่าจะเป็นคือคุณจะมีสถานะพร้อมใช้งานของบางอย่างเช่น 99.8 นั่นหมายความว่าคุณจะได้รับความล้มเหลวโดยเฉลี่ยของเซิร์ฟเวอร์ตัวใดตัวหนึ่งทุก ๆ 300 หรือ 350 วันหนึ่งวันในหนึ่งปี ดังนั้นหากคุณมีหลายร้อยสิ่งเหล่านี้โอกาสที่จะเกิดขึ้นในวันใดวันหนึ่งของปีที่คุณได้รับความล้มเหลวของเซิร์ฟเวอร์

Hadoop ถูกสร้างขึ้นโดยเฉพาะเพื่อแก้ไขปัญหานั้น - ดังนั้นในกรณีที่มีสิ่งใดที่ล้มเหลวก็จะทำการถ่ายภาพทุกอย่างที่เกิดขึ้นบนเซิร์ฟเวอร์ทุกเครื่องและสามารถกู้คืนงานแบ็ตช์ที่กำลังทำงานอยู่ได้ และนั่นคือทั้งหมดที่จริง ๆ แล้วเคยทำงานกับ Hadoop คืองานแบ็ตช์และนั่นเป็นความสามารถที่มีประโยชน์จริงๆ งานแบ็ตช์บางงานที่กำลังทำงานอยู่ - โดยเฉพาะที่ Yahoo ซึ่งฉันคิดว่า Hadoop เกิดมาแล้ว - จะทำงานสองหรือสามวันและหากงานล้มเหลวหลังจากผ่านไปหนึ่งวันคุณไม่อยากเสียงานจริงๆ ที่ได้ทำไปแล้ว นั่นคือจุดออกแบบที่อยู่เบื้องหลังความพร้อมใช้งานของ Hadoop คุณจะไม่เรียกความพร้อมใช้งานสูงนั้น แต่คุณสามารถเรียกมันว่าพร้อมใช้งานสูงสำหรับงานแบ็ตช์อนุกรม นั่นอาจเป็นวิธีที่จะดู ความพร้อมใช้งานสูงจะถูกกำหนดค่าตามลักษณะสายงานเสมอ ในขณะนี้ Hadoop สามารถกำหนดค่าสำหรับงานแบ็ตช์แบบอนุกรมเท่านั้นที่เกี่ยวข้องกับการกู้คืนแบบนั้น ความพร้อมใช้งานสูงขององค์กรน่าจะเป็นความคิดที่ดีที่สุดในแง่ของธุรกรรม LLP ฉันเชื่อว่าถ้าคุณไม่ได้มองว่ามันเป็นของจริงแบบเรียลไทม์ Hadoop ยังไม่ทำเช่นนั้น มันอาจจะห่างไกลจากการทำเช่นนั้น

แต่นี่คือสิ่งที่สวยงามเกี่ยวกับ Hadoop กราฟิกนั้นทางด้านขวามือที่มีรายชื่อผู้ขายอยู่รอบ ๆ ขอบและเส้นทั้งหมดที่อยู่ในนั้นแสดงถึงการเชื่อมต่อระหว่างผู้ขายเหล่านั้นกับผลิตภัณฑ์อื่น ๆ ในระบบนิเวศ Hadoop หากคุณดูนั่นเป็นระบบนิเวศที่น่าประทับใจอย่างไม่น่าเชื่อ มันค่อนข้างโดดเด่น เห็นได้ชัดว่าเราพูดคุยกับผู้ขายจำนวนมากในแง่ของความสามารถของพวกเขา ในบรรดาผู้ขายที่ฉันได้พูดคุยมีความสามารถพิเศษอย่างแท้จริงในการใช้ Hadoop และในหน่วยความจำวิธีการใช้ Hadoop เป็นไฟล์เก็บถาวรที่บีบอัดการใช้ Hadoop เป็นสภาพแวดล้อม ETL และอื่น ๆ แต่จริงๆแล้วถ้าคุณเพิ่มผลิตภัณฑ์ลงใน Hadoop เองมันจะทำงานได้ดีมากในพื้นที่เฉพาะ ดังนั้นในขณะที่ฉันกำลังวิจารณ์ Hadoop พื้นเมืองฉันไม่วิจารณ์ Hadoop เมื่อคุณเพิ่มพลังให้กับมัน ในความเห็นของฉันความนิยมของ Hadoop รับประกันอนาคตของมัน โดยที่ฉันหมายถึงแม้ว่าทุกบรรทัดของรหัสที่เขียนจนถึง Hadoop จะหายไปฉันไม่เชื่อว่า HDFS API จะหายไป พูดอีกอย่างก็คือฉันคิดว่าระบบไฟล์ API อยู่ที่นี่แล้วและอาจเป็นไปได้ว่า YARN ซึ่งเป็นตัวกำหนดตารางเวลาที่มองข้าม

เมื่อคุณดูที่จริงนั่นเป็นความสามารถที่สำคัญมากและฉันจะแว็กซ์แบบนั้นในเวลาไม่กี่นาที แต่อย่างอื่นนั่นก็คือสมมติว่าคนที่น่าตื่นเต้นเกี่ยวกับ Hadoop เป็นภาพโอเพนซอร์ซทั้งหมด ดังนั้นมันจึงคุ้มค่าที่จะดูว่าภาพโอเพนซอร์ซเป็นอย่างไรในแง่ของความสามารถที่แท้จริง ในขณะที่ Hadoop และส่วนประกอบทั้งหมดสามารถทำสิ่งที่เราเรียกความยาวของข้อมูล - หรืออย่างที่ฉันชอบเรียกว่าเป็นแหล่งเก็บข้อมูล - แน่นอนว่าเป็นพื้นที่จัดแสดงที่ดีมากที่จะทิ้งข้อมูลลงในองค์กรหรือรวบรวมข้อมูลในองค์กร - ดีมาก สำหรับ sandbox และสำหรับ angling data มันดีมากที่เป็นแพลตฟอร์มการพัฒนาต้นแบบที่คุณอาจนำมาใช้ในตอนท้ายของวัน แต่คุณรู้ว่าเป็นสภาพแวดล้อมการพัฒนาทุกสิ่งที่คุณต้องการอยู่ที่นั่น ในฐานะที่เป็นร้านค้าเก็บถาวรมันมีทุกสิ่งที่คุณต้องการและแน่นอนมันไม่แพงเลย ฉันไม่คิดว่าเราควรจะหย่าร้างสองสิ่งนี้จาก Hadoop แม้ว่าพวกเขาจะไม่เป็นทางการก็ตามถ้าคุณชอบส่วนประกอบของ Hadoop ลิ่มออนไลน์ได้นำการวิเคราะห์จำนวนมหาศาลมาสู่โลกโอเพนซอร์ซและตอนนี้การวิเคราะห์จำนวนมากกำลังทำงานบน Hadoop เพราะนั่นทำให้คุณได้รับสภาพแวดล้อมที่สะดวกสบายซึ่งคุณสามารถนำข้อมูลภายนอกจำนวนมากมาใช้และเพิ่งเริ่มเล่น ที่ sandbox วิเคราะห์

จากนั้นคุณก็มีความสามารถโอเพนซอร์ซซึ่งทั้งสองอย่างนี้คือการเรียนรู้ของเครื่อง ทั้งสองอย่างมีประสิทธิภาพอย่างมากในแง่ที่ว่าพวกเขาใช้อัลกอริทึมการวิเคราะห์ที่มีประสิทธิภาพ ถ้าคุณรวมสิ่งเหล่านี้เข้าด้วยกันคุณจะได้เมล็ดที่มีความสามารถที่สำคัญมาก ๆ ซึ่งอยู่ในทางใดทางหนึ่งหรือมีโอกาสมากที่จะ - ไม่ว่าจะพัฒนาด้วยตัวเองหรือผู้ขายเข้ามาเติมเต็มชิ้นส่วนที่หายไป - เป็นไปได้มากที่จะดำเนินต่อไปเป็นเวลานานและแน่นอนฉันคิดว่าการเรียนรู้ของเครื่องกำลังส่งผลกระทบอย่างใหญ่หลวงต่อโลก

วิวัฒนาการของ Hadoop, YARN เปลี่ยนแปลงทุกสิ่ง สิ่งที่เกิดขึ้นคือ MapReduce เชื่อมติดกับระบบไฟล์ HDFS ยุคแรก เมื่อ YARN ถูกนำมาใช้มันสร้างความสามารถในการกำหนดเวลาในการเปิดตัวครั้งแรก คุณไม่ได้คาดหวังว่าการจัดตารางเวลาที่ซับซ้อนอย่างยิ่งจากการเปิดตัวครั้งแรก แต่มันก็หมายความว่าตอนนี้ไม่จำเป็นต้องเป็นสภาพแวดล้อมของโปรแกรมแก้ไขอีกต่อไป มันเป็นสภาพแวดล้อมที่สามารถกำหนดเวลางานได้หลายงาน ทันทีที่เกิดขึ้นมีผู้จำหน่ายจำนวนมากที่เก็บห่างจาก Hadoop - พวกเขาเพิ่งเข้ามาและเชื่อมต่อกับมันเพราะพวกเขาสามารถมองว่ามันเป็นสภาพแวดล้อมการตั้งเวลาเหนือระบบไฟล์และพวกเขาสามารถจัดการกับ มัน. มีผู้ขายฐานข้อมูลที่ใช้ฐานข้อมูลของพวกเขาบน HDFS เพราะพวกเขาเพิ่งใช้เอ็นจิ้นและใส่ที่ HDFS ด้วยการเรียงซ้อนและด้วย YARN มันจะกลายเป็นสภาพแวดล้อมที่น่าสนใจมากเพราะคุณสามารถสร้างเวิร์กโฟลว์ที่ซับซ้อนบน HDFS และนี่หมายความว่าคุณสามารถเริ่มคิดว่ามันเป็นแพลตฟอร์มที่สามารถทำงานหลายงานพร้อมกันและผลักดันตัวเองไปสู่จุดที่ ทำสิ่งที่ภารกิจสำคัญ หากคุณกำลังจะทำเช่นนั้นคุณอาจจำเป็นต้องซื้อส่วนประกอบบุคคลที่สามบางอย่างเช่นการรักษาความปลอดภัยและอื่น ๆ ซึ่ง Hadoop ไม่มีบัญชีการตรวจสอบเพื่อเติมช่องว่าง แต่จริง ๆ แล้วคุณ เข้าสู่จุดที่แม้จะมีโอเพ่นซอร์สคุณสามารถทำสิ่งที่น่าสนใจ

ในแง่ที่ฉันคิดว่า Hadoop กำลังจะไปฉันเชื่อว่า HDFS กำลังจะกลายเป็นระบบไฟล์เริ่มต้นระดับปกติและดังนั้นจะกลายเป็นระบบปฏิบัติการระบบปฏิบัติการสำหรับกริดสำหรับการไหลของข้อมูล ฉันคิดว่ามันมีอนาคตที่ยิ่งใหญ่ในเรื่องนั้นและฉันไม่คิดว่ามันจะหยุดอยู่แค่นั้น และฉันคิดว่าในความเป็นจริงแล้วระบบนิเวศช่วยเพราะทุกคนสวยมากผู้ขายทั้งหมดในอวกาศกำลังรวม Hadoop เข้าด้วยกันไม่ทางใดก็ทางหนึ่งและพวกเขาก็เปิดใช้งาน ในแง่ของอีกจุดหนึ่งที่ควรทำในแง่ของการใช้เกิน Hadoop มันไม่ได้เป็นแพลตฟอร์มที่ดีมากบวกกับการขนาน ถ้าคุณดูว่ากำลังทำอะไรอยู่สิ่งที่ทำอยู่ก็คือถ่ายภาพเป็นประจำในทุก ๆ เซิร์ฟเวอร์ขณะที่กำลังประมวลผลงาน MapReduce ถ้าคุณจะออกแบบให้ขนานกันอย่างรวดเร็วคุณจะไม่ทำอะไรแบบนั้น ในความเป็นจริงคุณอาจไม่ได้ใช้ MapReduce ด้วยตัวเอง MapReduce เป็นเพียงสิ่งที่ฉันจะพูดครึ่งความสามารถในการขนาน

มีสองวิธีในการขนาน: วิธีหนึ่งคือกระบวนการ pipelining และอีกวิธีคือการแบ่งข้อมูล MapReduce และทำการแบ่งข้อมูลเพื่อให้มีงานจำนวนมากที่ MapReduce จะไม่เป็นวิธีที่เร็วที่สุดในการทำ แต่จะ ให้ความเท่าเทียมและไม่มีการแย่งกันไป เมื่อคุณมีข้อมูลจำนวนมากพลังงานชนิดนั้นมักไม่เป็นประโยชน์ YARN อย่างที่ฉันได้พูดไปแล้วว่าเป็นความสามารถในการจัดตารางเวลาที่เล็กมาก ๆ

Hadoop คือการวาดเส้นในทรายที่นี่ Hadoop ไม่ใช่คลังข้อมูล มันไกลจากการเป็นคลังข้อมูลที่เกือบจะเป็นข้อเสนอแนะที่ไร้สาระที่จะบอกว่ามันเป็น ในแผนภาพนี้สิ่งที่ฉันแสดงอยู่ด้านบนคือการไหลของข้อมูลจากคลังเก็บข้อมูล Hadoop ไปสู่ฐานข้อมูลขนาดใหญ่ซึ่งเป็นสิ่งที่เราจะทำจริง ๆ คลังข้อมูลขององค์กร ฉันกำลังแสดงฐานข้อมูลดั้งเดิมป้อนข้อมูลลงใน data data และกิจกรรม offload สร้างฐานข้อมูล offload จาก data warehouse แต่จริงๆแล้วเป็นรูปภาพที่ฉันเริ่มเห็นโผล่ออกมาและฉันจะบอกว่านี่เป็นเหมือนรุ่นแรกของ เกิดอะไรขึ้นกับคลังข้อมูลด้วย Hadoop แต่ถ้าคุณดูคลังข้อมูลด้วยตัวคุณเองคุณจะเห็นว่าภายใต้คลังข้อมูลคุณมีเครื่องมือเพิ่มประสิทธิภาพ คุณได้แจกจ่ายพนักงานคิวรีไปยังกระบวนการหลาย ๆ กระบวนการซึ่งอาจจะมีดิสก์จำนวนมาก นั่นคือสิ่งที่เกิดขึ้นในคลังข้อมูล นั่นเป็นสถาปัตยกรรมแบบที่สร้างขึ้นสำหรับคลังข้อมูลและใช้เวลานานพอสมควรในการสร้างบางสิ่งเช่นนั้นและ Hadoop ไม่มีสิ่งใดเลย ดังนั้น Hadoop ไม่ใช่คลังข้อมูลและมันจะไม่กลายเป็นคลังข้อมูลในความคิดของฉันทุกเวลาเร็ว ๆ นี้

มันมีคลังเก็บข้อมูลแบบสัมพัทธ์และมันดูน่าสนใจถ้าคุณแค่มองโลกเป็นชุดของเหตุการณ์ที่ไหลเข้ามาในองค์กร นั่นคือสิ่งที่ฉันแสดงทางด้านซ้ายมือของแผนภาพนี้ การผ่านความสามารถในการกรองและการกำหนดเส้นทางและสิ่งที่ต้องใช้ในการสตรีมจะถูกกำจัดออกจากแอพการสตรีมและสิ่งอื่น ๆ จะเข้าสู่คลังข้อมูลที่จัดเตรียมและทำความสะอาดแล้วส่งผ่าน ETL ให้เป็นข้อมูลเดียว คลังข้อมูลหรือคลังข้อมูลแบบลอจิคัลประกอบด้วยหลายเอ็นจิน นี่คือความคิดของฉันสายการพัฒนาตามธรรมชาติสำหรับ Hadoop

ในแง่ของ ETW สิ่งหนึ่งที่มีค่ามากที่ชี้ให้เห็นก็คือคลังข้อมูลนั้นถูกย้ายจริง ๆ - ไม่ใช่สิ่งที่มันเป็น แน่นอนว่าทุกวันนี้คุณคาดหวังว่าจะมีความสามารถแบบลำดับชั้นต่อข้อมูลลำดับชั้นของสิ่งที่ผู้คนหรือบางคนเรียกเอกสารในคลังข้อมูล นั่นคือ JSON อาจเป็นไปได้ว่าแบบสอบถามเครือข่ายที่เป็นฐานข้อมูลกราฟอาจเป็นไปได้ว่าการวิเคราะห์ ดังนั้นสิ่งที่เรากำลังมุ่งสู่คือ ETW ที่ได้รับภาระงานที่ซับซ้อนกว่าที่เราคุ้นเคย ดังนั้นมันจึงเป็นเรื่องที่น่าสนใจเพราะในทางที่ว่าคลังข้อมูลนั้นมีความซับซ้อนมากขึ้นและด้วยเหตุนี้มันจึงต้องใช้เวลานานกว่านี้ก่อนที่ Hadoop จะเข้าใกล้ทุกที่ ความหมายของคลังข้อมูลขยายออกไป แต่ก็ยังรวมถึงการปรับให้เหมาะสม คุณต้องมีความสามารถในการปรับให้เหมาะสมไม่ใช่เพียงแค่แบบสอบถามตอนนี้ แต่รวมถึงกิจกรรมเหล่านี้ทั้งหมด

แค่นี้แหละ นั่นคือทั้งหมดที่ฉันต้องการจะพูดเกี่ยวกับ Hadoop ฉันคิดว่าฉันสามารถส่งต่อให้กับเรย์ที่ยังไม่มีสไลด์ใด ๆ แต่เขาพูดเก่ง

Eric Kavanagh: ฉันจะเอาสไลด์ มีเพื่อนของเราเรย์หวาง เรย์คุณคิดยังไงกับเรื่องนี้?

Ray Wang: ตอนนี้ฉันคิดว่าอาจเป็นหนึ่งในประวัติย่อและยอดเยี่ยมที่สุดของร้านค้าคีย์ - ค่าและที่ Hadoop มีความสัมพันธ์กับองค์กรที่ออกไปดังนั้นฉันจึงเรียนรู้มากมายเมื่อฟัง Robin

จริงๆแล้วฉันมีหนึ่งสไลด์ ฉันสามารถเลื่อนขึ้นหนึ่งสไลด์ที่นี่

Eric Kavanagh: เพียงแค่ไปข้างหน้าและคลิกที่คลิกเริ่มและไปเพื่อแบ่งปันเดสก์ท็อปของคุณ

Ray Wang: เข้าใจแล้วคุณไป ฉันจะแบ่งปันจริง คุณสามารถดูแอปของตัวเอง เรามาดูกันว่ามันจะไปอย่างไร

ทั้งหมดนี้พูดคุยเกี่ยวกับ Hadoop และจากนั้นเราจะพูดคุยลึกเกี่ยวกับเทคโนโลยีที่มีและที่ Hadoop กำลังมุ่งหน้าไปและหลาย ๆ ครั้งที่ฉันอยากจะพูดคุยเรื่องธุรกิจ หลายสิ่งที่เกิดขึ้นทางด้านเทคโนโลยีคือชิ้นส่วนนี้ที่เราพูดถึงคลังข้อมูลการจัดการข้อมูลคุณภาพของข้อมูลการควบคุมข้อมูลนั้นและเรามักจะเห็นสิ่งนี้ ถ้าคุณดูกราฟนี้ที่ด้านล่างสุดมันน่าสนใจมาก ๆ ที่คนประเภทที่เราพูดถึงเรื่อง Hadoop เรามีนักเทคโนโลยีและนักวิทยาศาสตร์ด้านข้อมูลที่ตื่นเต้นและมีความตื่นเต้นมากมายและโดยทั่วไปเกี่ยวกับแหล่งข้อมูลใช่มั้ย เราจะควบคุมแหล่งข้อมูลได้อย่างไร เราจะนำสิ่งนี้ไปสู่ระดับคุณภาพที่เหมาะสมได้อย่างไร? เราทำอะไรเกี่ยวกับการกำกับดูแล? เราจะทำอย่างไรเพื่อจับคู่แหล่งที่มาประเภทต่างๆ เราจะรักษาสายเลือดอย่างไร และการสนทนาประเภทนั้นทั้งหมด และเราจะดึง SQL ออกจาก Hadoop ได้อย่างไร ดังนั้นส่วนนั้นจึงเกิดขึ้นในระดับนี้

จากนั้นที่ด้านข้อมูลและด้านประสานเสียงนี่คือจุดที่น่าสนใจ เราเริ่มที่จะผูกเอาท์พุทของข้อมูลเชิงลึกที่เราได้รับหรือเราดึงมันจากกระบวนการทางธุรกิจกลับไป? เราจะผูกมันกลับไปยังรุ่นของข้อมูลเมตาชนิดใดได้อย่างไร เรากำลังเชื่อมต่อจุดระหว่างวัตถุหรือไม่? ดังนั้นคำกริยาและการอภิปรายใหม่เกี่ยวกับวิธีที่เราใช้ข้อมูลนั้นย้ายจากสิ่งที่เราสืบเนื่องกันมาในโลกของ CRUD: สร้างอ่านอัปเดตลบโลกที่กำลังพูดคุยเกี่ยวกับวิธีที่เรามีส่วนร่วมหรือแบ่งปันหรือทำงานร่วมกันหรือ ชอบหรือดึงบางสิ่งบางอย่าง

นั่นคือสิ่งที่เราเริ่มเห็นความตื่นเต้นและนวัตกรรมมากมายโดยเฉพาะอย่างยิ่งเกี่ยวกับวิธีดึงข้อมูลนี้และนำมาซึ่งคุณค่า นั่นคือการสนทนาที่ขับเคลื่อนด้วยเทคโนโลยีด้านล่างเส้นสีแดง เหนือเส้นสีแดงนั้นเราจะได้รับคำถามที่เราอยากถามเสมอและหนึ่งในนั้นที่เรามักจะนำมาเป็นตัวอย่างเช่นบางทีคำถามค้าปลีกสำหรับคุณก็เหมือน "ทำไมเสื้อสเวตเตอร์สีแดงถึงขายดีกว่า ในอลาบามามากกว่าเสื้อสเวตเตอร์สีฟ้าในมิชิแกน? " คุณสามารถคิดและพูดว่า "นั่นเป็นเรื่องที่น่าสนใจ" คุณเห็นรูปแบบนั้น เราถามคำถามนั้นและเราสงสัยว่า "เฮ้เรากำลังทำอะไรอยู่?" อาจจะเกี่ยวกับโรงเรียนของรัฐ - รัฐมิชิแกนและรัฐอลาบามา ตกลงฉันเข้าใจฉันเห็นว่าเรากำลังจะไปไหน และดังนั้นเราจึงเริ่มรับด้านธุรกิจของบ้านผู้คนในด้านการเงินคนที่มีความสามารถด้าน BI แบบดั้งเดิมผู้คนในด้านการตลาดและผู้คนในฝ่ายทรัพยากรบุคคลพูดว่า "รูปแบบของฉันอยู่ที่ไหน" เราจะไปถึงรูปแบบเหล่านั้นได้อย่างไร ดังนั้นเราจึงเห็นวิธีใหม่ของนวัตกรรมในด้าน Hadoop เป็นเรื่องเกี่ยวกับวิธีที่เราปรับปรุงข้อมูลเชิงลึกได้เร็วขึ้น เราจะสร้างการเชื่อมต่อเหล่านี้ได้อย่างไร? มันไปถึงคนที่ชอบโฆษณา: เทคโนโลยีที่พยายามเชื่อมโยงโฆษณาและเนื้อหาที่เกี่ยวข้องจากเครือข่ายการเสนอราคาแบบเรียลไทม์ไปจนถึงโฆษณาตามบริบทและการจัดวางโฆษณาและดำเนินการได้ทันที

ดังนั้นจึงเป็นเรื่องที่น่าสนใจ คุณเห็นความก้าวหน้าของ Hadoop จาก "เฮ้นี่คือโซลูชั่นเทคโนโลยีนี่คือสิ่งที่เราต้องทำเพื่อให้ข้อมูลนี้ออกสู่ผู้คน" จากนั้นเมื่อข้ามส่วนของธุรกิจไปนี่เป็นจุดที่น่าสนใจ มันเป็นความเข้าใจที่ลึกซึ้ง ประสิทธิภาพอยู่ที่ไหน การหักเงินอยู่ที่ไหน เราจะทำนายสิ่งต่าง ๆ ได้อย่างไร เรามีอิทธิพลอย่างไร จากนั้นนำมาสู่ระดับสุดท้ายที่เราเห็นนวัตกรรม Hadoop อีกชุดหนึ่งที่เกิดขึ้นรอบ ๆ ระบบการตัดสินใจและการกระทำ การกระทำที่ดีที่สุดต่อไปคืออะไร? ดังนั้นคุณรู้ไหมว่าเสื้อสเวตเตอร์สีน้ำเงินขายดีขึ้นในรัฐมิชิแกน คุณกำลังนั่งอยู่บนเสื้อสเวตเตอร์สีน้ำเงินจำนวนมากในอลาบามา สิ่งที่ชัดเจนคือ "ใช่แล้วเรามาส่งของตรงนี้กันเถอะ" เราจะทำอย่างไร? ขั้นตอนต่อไปคืออะไร? เราจะผูกมันกลับมาได้อย่างไร? อาจเป็นการกระทำที่ดีที่สุดถัดไปอาจเป็นคำแนะนำหรืออาจเป็นสิ่งที่ช่วยให้คุณป้องกันปัญหาหรืออาจเป็นการกระทำที่ไม่ได้ทำซึ่งเป็นการกระทำในตัวเอง ดังนั้นเราเริ่มเห็นรูปแบบเช่นนี้โผล่ออกมา และความสวยงามของสิ่งนี้กลับไปสู่สิ่งที่คุณกำลังพูดถึงร้านค้าคีย์ - ค่าโรบินคือมันกำลังเกิดขึ้นเร็วมาก มันกำลังเกิดขึ้นในแบบที่เราไม่เคยคิดมาก่อน

อาจจะพูดในช่วงห้าปีที่ผ่านมาที่เราเลือก เราเริ่มคิดในแง่ของวิธีที่เราสามารถใช้ประโยชน์จากร้านค้าคีย์ - ค่าอีกครั้ง แต่ในช่วงห้าปีที่ผ่านมาผู้คนกำลังมองดูสิ่งนี้แตกต่างกันมากและเหมือนวงจรเทคโนโลยีกำลังทำซ้ำตัวเองในรูปแบบ 40 ปีดังนั้นนี่คือประเภท ของสิ่งที่ตลกที่เรากำลังดูบนคลาวด์และฉันก็เหมือนกับการแบ่งปันเวลาของเมนเฟรม เรากำลังดูที่ Hadoop และชอบที่เก็บคีย์ - อาจเป็น data mart น้อยกว่า data warehouse - และเราเริ่มเห็นรูปแบบเหล่านี้อีกครั้ง สิ่งที่ฉันพยายามทำในตอนนี้คิดว่าคนทำอะไรเมื่อ 40 ปีก่อน? มีวิธีการและเทคนิคและวิธีการใดบ้างที่ถูก จำกัด ด้วยเทคโนโลยีที่ผู้คนมี? นั่นเป็นการขับเคลื่อนกระบวนการคิดนี้ ดังนั้นเมื่อเรามองภาพใหญ่ของ Hadoop เป็นเครื่องมือเมื่อเราย้อนกลับไปและคิดเกี่ยวกับผลกระทบทางธุรกิจนี่เป็นเส้นทางที่เรามักจะพาผู้คนเข้ามาเพื่อที่คุณจะได้เห็นว่าชิ้นส่วนใดอยู่ในข้อมูล การตัดสินใจทางเดิน มันเป็นสิ่งที่ฉันต้องการแบ่งปัน เป็นความคิดที่เราใช้ภายในและหวังว่าจะได้เพิ่มการสนทนา ดังนั้นฉันจะหันกลับมาหาคุณเอริค

Eric Kavanagh: เยี่ยมมาก หากคุณสามารถถามคำถามและคำตอบได้ แต่ฉันชอบที่คุณนำมันกลับไปที่ระดับธุรกิจเพราะในตอนท้ายของวันมันคือทั้งหมดที่เกี่ยวกับธุรกิจ มันคือทั้งหมดที่เกี่ยวกับการทำสิ่งต่าง ๆ ให้เสร็จและทำให้แน่ใจว่าคุณใช้จ่ายเงินอย่างชาญฉลาดและนั่นเป็นหนึ่งในคำถามที่ฉันได้เห็นดังนั้นผู้พูดอาจต้องการคิดว่า TCL กำลังจะไปเส้นทาง Hadoop อย่างไร มีบางจุดที่น่าสนใจในระหว่างนี้ตัวอย่างเช่นการใช้เครื่องมือชั้นวางของ office เพื่อทำสิ่งต่าง ๆ ในแบบดั้งเดิมและการใช้ชุดเครื่องมือใหม่เพราะคิดอีกครั้งว่าสิ่งต่าง ๆ มากมายไม่ใช่เรื่องใหม่มันเป็นแค่การเรียงลำดับของ รวมตัวกันในวิธีใหม่คือฉันเดาว่าวิธีที่ดีที่สุดที่จะนำมันมา

ดังนั้นไปข้างหน้าและแนะนำเพื่อนของเรา Nikita Ivanov เขาเป็นผู้ก่อตั้งและซีอีโอของ GridGain Nikita ฉันจะไปข้างหน้าและมอบกุญแจให้คุณและฉันเชื่อว่าคุณจะอยู่ที่นั่น คุณได้ยินฉัน Nikita ได้ไหม

Nikita Ivanov: ใช่ฉันอยู่ที่นี่

Eric Kavanagh: ยอดเยี่ยม ดังนั้นพื้นเป็นของคุณ คลิกที่สไลด์นั้น ใช้ลูกศรลงและนำมันออกไป ห้านาที

Nikita Ivanov: ฉันจะคลิกสไลด์ไหน

Eric Kavanagh: เพียงคลิกที่ใดก็ได้บนสไลด์นั้นจากนั้นคุณใช้ลูกศรลงบนแป้นพิมพ์เพื่อเลื่อน เพียงคลิกที่สไลด์และใช้ลูกศรลง

Nikita Ivanov: เอาล่ะสไลด์สั้น ๆ เพียงไม่กี่ตัวเกี่ยวกับ GridGain เราจะทำอย่างไรในบริบทของการสนทนานี้? โดยทั่วไป GridGain จะผลิตซอฟต์แวร์คอมพิวเตอร์ในหน่วยความจำและส่วนหนึ่งของแพลตฟอร์มที่เราพัฒนาคือตัวเร่งความเร็ว Hadoop ในหน่วยความจำ ในแง่ของ Hadoop เรามักจะคิดถึงตัวเองในฐานะผู้เชี่ยวชาญด้านประสิทธิภาพของ Hadoop โดยพื้นฐานแล้วสิ่งที่เราทำอยู่บนแพลตฟอร์มการคำนวณในหน่วยความจำหลักของเราซึ่งประกอบด้วยเทคโนโลยีเช่นกริดข้อมูลการสตรีมหน่วยความจำและกริดการคำนวณจะสามารถเร่งความเร็ว Hadoop ได้แบบ plug-and-play นั่นง่ายมาก คงจะดีถ้าเราสามารถพัฒนาโซลูชันแบบพลักแอนด์เพลย์ที่สามารถติดตั้งได้ในการติดตั้ง Hadoop หากคุณผู้พัฒนา MapReduce ไม่ต้องการการเพิ่มโดยไม่จำเป็นต้องเขียนซอฟต์แวร์ใหม่หรือเปลี่ยนรหัสหรือการเปลี่ยนแปลงหรือโดยทั่วไปจะมีการเปลี่ยนแปลงการกำหนดค่าขั้นต่ำทั้งหมดในคลัสเตอร์ Hadoop นั่นคือสิ่งที่เราพัฒนา

โดยพื้นฐานแล้วตัวเร่งความเร็ว Hadoop ในหน่วยความจำนั้นใช้พื้นฐานการเพิ่มประสิทธิภาพสององค์ประกอบในระบบนิเวศ Hadoop ถ้าคุณคิดเกี่ยวกับ Hadoop มันขึ้นอยู่กับ HDFS ซึ่งเป็นระบบไฟล์ MapReduce ซึ่งเป็นกรอบการทำงานการแข่งขันแบบขนานด้านบนของระบบไฟล์ เพื่อเพิ่มประสิทธิภาพ Hadoop เราปรับทั้งสองระบบเหล่านี้ เราพัฒนาระบบไฟล์ในหน่วยความจำที่เข้ากันได้อย่างสมบูรณ์แบบ plug-and-play ที่รองรับ 100% ด้วย HDFS คุณสามารถเรียกใช้แทน HDFS คุณสามารถเรียกใช้ที่ด้านบนของ HDFS และเรายังพัฒนา MapReduce ในหน่วยความจำที่สามารถใช้งานแบบ plug-and-play กับ Hadoop MapReduce ได้ แต่มีการปรับแต่งมากมายเกี่ยวกับการทำงานของ MapReduce และการจัดตารางการทำงานของ MapReduce

หากคุณดูตัวอย่างบนสไลด์นี้ที่เราแสดงประเภทของการทำซ้ำ ทางด้านซ้ายคุณมีระบบปฏิบัติการทั่วไปที่มี GDM และด้านบนของแผนภาพนี้คุณมีศูนย์แอปพลิเคชัน ตรงกลางคุณมี Hadoop และ Hadoop นั้นใช้ HDFS และ MapReduce อีกครั้ง นี่แสดงในแผนภาพนี้ว่าอะไรคือสิ่งที่เราฝังลงในสแต็ก Hadoop อีกครั้งมันเป็นแบบพลักแอนด์เพลย์ คุณไม่จำเป็นต้องเปลี่ยนรหัสใด ๆ มันใช้งานได้เหมือนกัน ในสไลด์ถัดไปเราได้แสดงให้เห็นอย่างชัดเจนว่าเราได้ปรับกระบวนการทำงานของ MapReduce อย่างไร นั่นอาจเป็นส่วนที่น่าสนใจที่สุดเพราะมันให้ประโยชน์มากที่สุดเมื่อคุณเรียกใช้งาน MapReduce

MapReduce ทั่วไปเมื่อคุณส่งงานและด้านซ้ายมีไดอะแกรมมีแอปพลิเคชันทั่วไป โดยทั่วไปแล้วคุณกำลังส่งงานและงานไปที่ตัวติดตามงาน It interacts with the Hadoop name node and the name node is actually the piece of software that manages the interaction with the digital files, and kind of keeps the directory of files and then the job tracker interacts with the task tracker on each individual node and the task tracker interacts with a Hadoop data node to get data from. So that's basically a very kind of high-level overview of how your MapReduce job gets in the computers. As you can see what we do with our in-memory, Hadoop MapReduce will already completely bypass all this complex scheduling that takes a lot of time off your execution and go directly from client to GridGain data node and GridGain data node keeps all that e-memory for a blatantly fast, fast execution.

So all in all basically, we allow it to get anywhere from 5x up all the way to 100x performance increase on certain types of loads, especially for short leaf payloads where you literally measure every second. We can give you a dramatic boost in performance with literally no core change.

Alright, that's all for me.

Eric Kavanagh: Yes, stick around for the Q&A. No doubt about it.

Let me hand it off to John Santaferraro. John, just click on that slide. Use the down arrow to move on.

John Santaferraro: Alright. Thanks a lot, Eric.

My perspective and Actian's perspective really is that Hadoop is really about creating value and so this is an example from digital media. A lot of the data that is pumping into Hadoop right now has to do with digital media, digital marketing, and customer, so there is great opportunity - 226 billion dollars of retail purchases will be made online next year. Big data and Hadoop is about capturing new data to give you insight to get your share of that. How do you drive 14% higher marketing return and profits based on figuring out the right medium X and the right channels and the right digital marketing plan? How do you improve overall return on marketing investment? By the way, in 2017, what we ought to be thinking about when we look at Hadoop is the fact that CMO, chief marketing officer, spending in 2017 will outpace that of IT spending, and so it really is about driving value. Our view is that there are all kinds of noise being made on the left-hand side of this diagram, the data pouring into Hadoop.

Ultimately, our customers are wanting to create customer delight, competitive advantage, world-class risk management, disruptive new business models, and to do all of that to deliver transformational value. They are looking to capture all of this data in Hadoop and be able to do best-in-class kinds of things like discovery on that data without any limitations, no latency at any scale of the data that lives in there - moving from reactive to predictive kinds of analytics and doing everything dynamically instead of looking at data just as static. What pours into Hadoop? How do you analyze it when it arrives? Where do you put it to get the high-performance analytics? And ultimately moving everything down to a segment of one.

So what we've done at Actian in the Actian Analytics Platform, we have built an exoskeleton around Hadoop to give it all of these capabilities that you need so you are able to connect to any data source bringing it into Hadoop, delivering it as a data service wherever you need it. We have libraries of analytics and data blending and data enrichment kinds of operators that you literally drag and drop them so that you can build out these data and analytic workflows, and without ever doing any programming, we will push that workload via YARN right down to the Hadoop nodes so you can do high-performance data science natively on Hadoop. So all of your data prep, all of your data science happening on Hadoop highly parallelized, highly optimized, highly performance and then when you need to, you move it to the right via a high-speed connection over to our high-performance analytic engine, where you can do super-low latency kinds of analytics, and all of that delivering out these real-time kinds of analytics to users, machine-to-machine kinds of communication, and betting those on analytics and business processes, feeding big data apps or applications.

This is an example of telco churn, where at the top of this chart if you're just building telco churn for example, where you have captured one kind of data and poured that into Hadoop, I'd be able to identify about 5% of your potential churn audience. As you move down this chart and add additional kinds of data sources, you do more complex kinds of analytics in the center column there. It allows you to act against that churn in a way that allows you to identify. You move from 5% identification up to 70% identification. So for telecommunications companies, for retail organizations, for any of the fast providers, anybody that has a customer base where there is a fear and a damage that is caused by churn.

This kind of analytics running on top of that exoskeleton-enabled version of Hadoop is what drives real value. What you can see here is that kind of value. This is an example taken from off of the annual report of a telecommunications company that shows their actual total subscribers, 32 million. Their existing churn rate which every telco reports 1.14, 4.3 million subscribers lost every year, costing them 1.14 billion dollars as well as 2.1 billion in revenue. This is a very modest example of how you generate value out of your data that lives in Hadoop, where you can see the potential cost of reacquisition where the potential here is to use Hadoop with the exoskeleton running analytics to basically help this telecommunications company save 160 million dollars as well as avoid 294 million in loss. That's the kind of example that we think is driving Hadoop forward.

Eric Kavangh: Alright, fantastic. And Jim, let me go ahead and give the keys to you. So, Jim Vogt. If you would click on that slide and use the down arrow in your keyboard.

Jim Vogt: I got it. Great picture. OK, thank you very much. I'll tell a little bit about Zettaset. We've been talking about Hadoop all afternoon here. What's interesting about our company is that we basically spend our careers hardening new technology for the enterprise - being able to plug the gaps, if you will, in our new technology to allow it to be widely deployed within our enterprise operational environment. There are a couple of things happening in the market right now. It's kind of like a big open pool party, right? But now the parents have come home. And basically we're trying to bring this thing back to some sense of reality in terms of how you build a real infrastructure piece here that can be scalable, repeatable, non-resource intensive, and secure, most importantly secure. In the marketplace today, most people are still checking the tires on Hadoop. The main reason is, there is a couple of things. One is that within the open source itself, although it does some very useful things in terms of being able to blend data sources, being able to find structure data and very useful data sources, it really lacks for a lot of the hardening and enterprise features around security, higher availability and repeatability that people need to deploy not just a 10- or 20-node cluster, but a 2, 000- and 20, 000-node cluster - there are multiple clusters. What has been monetized in the last two years has been mainly pro-services around setting up these eval clusters. So there is a not a repeatable software process to actually actively deploy this into the marketplace.

So what we built in our software is a couple of things. We're actually transparent into the distributions. At the end of the day, we don't care if it's CVH or HDP, it's all open source. If you look at the raw Apache components that built those distributions, there is really no reason why you have to lock yourself into any one distribution. And so, we work across distributions.

The other thing is that we fill in the gaps transparently in terms of some of the things that are missing within the code itself, the open source. So we talked about HA. HA is great in terms of making no failover, but what happens if any of the active processes that you're putting on these clusters fail? That could take it down or create a security hole, if you will. When we built software components into our solution, they all fall under an HA umbrella where we're actively monitoring all the processes running on the cluster. If code roles goes down, you take the cluster down, so basically, meaning no failover is great, unless you're actively monitoring all the processes running on the cluster, you don't have true HA. And so that's essential of what we developed here at Zettaset. And in a way that we've actually got a patent that has been issued on this and granted last November around this HA approach which is just quite novel and different from the open-source version and is much more hardened for the enterprise.

The second piece is being able to do real RBAC. People are talking about RBAC. They talk about other open-source projects. Why should you have to recreate all those entries and all those users and roles when they already exist in LDAP or in active directory? So we link those transparently and we fold all our processes not only under this RBAC umbrella, but also under the HA umbrella. They start to layer into this infrastructure encryption, encryption at data rest, state of motion, all the hardened security pieces that you really need to secure the information.

What is really driving this is our industries, which I have on the next slide, which profit finance and healthcare and have our compliances. You have to be able to protect this sets of data and you have to be able to do it on a very dynamic fashion because this data can be sitting anywhere across these parallel nodes and clusters and it can be duplicated and so forth, so essentially that's the big umbrella that we built. The last piece that people need is they need to be able to put the pieces together. So having the analytics that John talked to and being able to get value out of data and do that through an open interface tapped into this infrastructure, that's what we built in our software.

So the three cases that I had in here, and you guys are popping me along here were really around finance, healthcare and also cloud, where you're having to deal with multi-tenant environments and essentially have to separate people's sensitive data, so security and performance are key to this type of application whether its cloud or in a sensitive data environment.

The last slide here really talks to this infrastructure that we put together as a company is not just specific to Hadoop. It's something that we can equally apply to other NoSQL technologies and that's where we're taking our company forward. And then we're also going to pull in other open-source components, HBase and so forth, and secure those within that infrastructure in a way that you're not tied to any one distribution. It's like you truly have an open, secure and robust infrastructure for the enterprise. So that's what we're about and that's what we're doing to basically accelerate adoption of Hadoop so people get away from sending twenty-node clusters and actually have the confidence to employ a much larger environment that is more eyes on Hadoop and speeds the market along. ขอขอบคุณ.

Eric Kavanagh: That's fantastic, great. Stick around for the Q&A. Finally, last but not the least, we've got Phu Hoang, CEO of DataTorrent. Let me go ahead and hand the keys to you. The keys are now yours. Click anywhere on that slide, use the down arrow on your keyboard to move them along.

Phu Hoang: Thank you so much.

So yes, I'm here to talk about DataTorrent and I actually think the story of DataTorrent is a great example of what Robin and Ray have been talking about through this session where they say that Hadoop is a great body of work, a great foundation. But it has a lot of goals. But the future is bright because the Hadoop ecosystem where more players are coming in are able to build and add value on top of that foundation to really bring it from storage to insights to action, and really that's the story of DataTorrent.

What I'm going to talk about today is really about real-time big data screening processing. What you see, as I'm interacting with customers, I've never met a single customer that says to me, "Hey, my goal is to take action hours or days after my business events arrive." In fact, they all say they want to take action immediately after the events occur. The problem with the delay is that, that is what Hadoop is today with its MapReduce paradigm. To understand why, it's worth revisiting the history of Hadoop.

I was leading much of Yahoo engineering when we hired Doug Cutting, the creator of Hadoop, and assigned over a hundred engineers to build out Hadoop to power our web search, advertising and data science processing. But Hadoop was built really as a back system to read and write and process these very large files. So while it's great disruptive technology because of its massive scalability and high ability at no cost, it has a hole in that there is a lot of latency to process these large files. Now, it is fair to say that Hadoop is now becoming the plateau operating system that is truly computing and is gaining wide adoption across many enterprises. They are still using that same process of collecting events into large files, running these batch Hadoop jobs to get there inside the next day. What enterprise customers now want is that they want those exact same insights but they want to build to get these insights much earlier, and this will enable them to really act on these events as the event happens, not after maybe hours later after it has been back processed.

Eric Kavanagh: Do you want to be moving your slides forward, just out of curiosity?

Phu Hoang: Yeah it's coming now. Let me illustrate that one example. In this example, using Hadoop in back-slope where you're constantly engaging with files, first an organization might accumulate all the events for the full day, 24 hours' worth of data. And then they batch process it, which may take another eight hours using MapReduce, and so now there is 32 hours of elapsed time before they get any insight. But with real-time stream processing, the events are coming in and are getting processed immediately, there is no accumulation time. Because we do all this processing, all in memory, the in-memory processing is also sub-second. All the time, you are reducing the elapsed time on 30 hours plus to something that is very small. If you're reducing 30 hours to 10 hours, that's valuable but if we can reduce it to a second, something profound happens. You can now act on your event while the event is still happening, and this gives enterprises the ability to understand what their products are doing, what their business is doing, what their users are doing in real time and react to it.

Let's take a look at how this happens. Really, a combination of market forces and technology has enabled a solution like DataTorrent to come together, so from a market perspective, Hadoop is really becoming the de facto big data architecture as we said, right? In an IDC study in 2013, they say that by the end of this year, two-thirds of enterprises would have deployed Hadoop and for DataTorrent, whether that's Apache Hadoop or any of our certified partners like Cloudera or Hortonworks, Hadoop is really clearly the choice for enterprise. From a technology perspective, and I think Robin and Ray alluded to this, Hadoop 2.0 was created to really enable Hadoop to extend to much more general cases than the batch MapReduce paradigm, and my co-founder, Amal, who was at Yahoo leading the development of Hadoop 2.0 really allows this layer of OS to have many more computation paradigms on top of it and real-time streaming is what we chose. By putting this layer of real-time streaming on top of YARN, you can really think of DataTorrent as the real-time equivalent of MapReduce. Whatever you can do in batch with MapReduce, you can now do in streaming with DataTorrent and we can process massive amount of data. We can slice and dice data in multiple dimensions. We have distributed computing and use YARN to give us resources. We have the full ecosystem of the open source Hadoop to enable fast application development.

Let me talk a little bit about the active capabilities of DataTorrent. In five minutes, it is hard for me to kind of give to you much in detail, but let me just discuss and re-differentiate it. First of all, sub-second scalable ingestions, right? This refers to DataTorrent's platform to be able to take that in real-time from hundreds of data sources and begin to process them immediately. This is in direct contact to the back processing of MapReduce that is in Hadoop 1.0 and events can vary in size. They may be as simple as a line in the log file or they may be much more complex like CDR, call data record in the telcom industry. DataTorrent is able to scale the ingestion dynamically up or down depending on the incoming load, and we can deal with tens of millions of incoming events per second. The other major thing here, of course, is the processing itself which is in real-time ETL logic. So once the data is in motion, it is going to go into the ETL logic where you are doing a stack transform and load, and so on. And the logic is really executed by combining a series of what we call operators connected together in a data flow grab. We have open source of over 400 operators today to allow you to build applications very quickly. And they cover everything from input connectors to all kinds of message process to database drivers and connectors where you are to load to all kinds of information to unstream.

The combination of doing all these in memory and building the scale across hundreds of nodes really drive the superior performance. DataTorrent is able to process billions of events per second with sub-second latency.

The last piece that I'd like to highlight is the high-availability architecture. DataTorrent's platform is fully post knowledge; that means that the platform automatically buffers the event and regularly checkpoints the state of the operators on the disk to ensure that there is possibly no problem. The applications can tell you in seconds with no data log and no human intervention. Simply put, data form processes billions of events and allots in data in seconds, it runs 24/7 and it never, ever goes down. The capabilities really set DataTorrent apart from the market and really make it the leading mission-critical, real-time analytics platform for enterprise. With that, we invite you to come visit our website and check us out.

Thanks.

Eric Kavanagh: Yeah, thank you so much. I'll throw a question over to you, really a comment, and let you kind of expound upon it. I really think you're on the ball here with this concept of turning over these operators and letting people use these operators almost like Legos to build big data applications. Can you kind of talk about what goes into the process of taking these operators and stitching them together, how do you actually do that?

Phu Hoang: That's a great question. So first of all, these operators are in your standard application Java Logic. We supply 400 of them. They do all kinds of processing and so to build your application, you really are just connecting operators together into a data flow graph. In our customers, we find that they use a number of operators that we have in our library as well as they take their own job of custom logic and make it an operator so that they can substantiate that into a graph.

Eric Kavanagh: OK, good. I think it's a good segue to bring in John Santaferraro from Actian because you guys have a slightly similar approach, it seems to me, in opening up a sort of management layer to be able to play around with different operators. Can you talk about what you do with respect to what tools we're just talking about, John?

John Santaferraro: Yeah, exactly. We have a library of analytics operators as well as transformational operators, operators for blending and enriching data and it is very similar. You use a drag-and-drop interface to be able to stitch together these data flows or work flows, and even analytic workflows. So it's everything from being able to connect to data, to be able to blend and enrich data, to be able to run data science or machine learning algorithms and then even being able to push that into a high-performance low-latency analytic engine. What we find is that it's all built on the open-source nine project. So we capture a lot of the operators that they are developing and then we take all of that, and via YARN, very similar to what Phu described at DataTorrent, we push that down so that it is parallelized against all of the nodes in a Hadoop cluster. A lot of it is about making the data in Hadoop much more accessible to business users and less-skilled workers, somebody besides a data scientist.

Eric Kavanagh: OK, let me go bring in Nikita once again. I'm going to throw your five up as well. Can you kind of talk about how you approach this solution vis-à-vis what these two gentlemen just talked about? How does someone actually put this stuff together and make use from GridGain?

Nikita Ivanov: Well, I think the biggest difference between us and from practically the rest of them is we don't require you to do any recording - you don't have to do anything, it's a plug-and-play. If you have an application today, it's going to work faster. You don't have to change code; you don't have to do anything; you just have to install GridGain along the side of Hadoop cluster and that's it. So that's the biggest difference and we talked to our customers. There are different myriad of solutions today that ask you to change something: programming, doing your API, using your interfaces and whatnot. Ours is very simple. You don't need to invest a lot of time into the Hadoop ecosystem, and whatever you used to do, the MapReduce or any of the tools continue to use. With GridGain, you don't have to change any single line of code, it's just going to work faster. That's the biggest difference and that's the biggest message for us.

Eric Kavanagh: Let's get Jim back in here too. Jim, your quote is killing me. I had to write it down in between that. I'll put it into some kind of deck, but the Hadoop ecosystem right now is like a pool party and the parents just came home. That is funny stuff man; that is brilliant. Can you kind of talk about how you guys come onto the scene? How do you actually implement this? How long does that take? How does all that work?

Jim Kaskade: Yes. So there are a couple of varieties depending on the target customer, but typically these days, you see evaluations where security is factored in, in some of these hardening requirements that I talked about. What has happened in some other cases, and especially last year where people had big plans to deploy, is that there was kind of a science project, if you will, or somebody was playing with the technology and had a cluster up and working and was working with it but then the security guy shows up, and if it is going to go on a live data center, it has to basically comply with the same requirements that we have for other equipment running in the data center, if it is going to be an infrastructure that we build out. Last year, we had even some banks that told us they were going to deploy 400 to 1, 000 nodes last year and they're still sitting on a 20-node cluster mainly because now a security person has been plugged in. They've got to be worried about financial compliance, about sets of information that is sitting on a cluster, and so forth. It varies by customer, but typically this is kind of what elongates the cycles and this is typical of a new technology where if you really want to deploy this in production environment, it really has to have some of these other pieces including the very valuable open-source pieces, right?

Eric Kavanagh: OK, good. มาดูกัน. I'm going to bring Phu back into the equation here. We've got a good question for you. One of the attendees is asking how is DataTorrent different from Storm or Kafka or the Redis infrastructure. Phu, are you out there? Hey, Phu, can you hear me? Maybe I'm mute.

Let's bring Ray Wang back into this. Ray, you've seen a lot of these technologies and looked at how they worked. I really love this concept of turning over control or giving control to end users of the operators. I like to think of them as like really powerful Legos that they can use to kind of build some of these applications. Can you comment on that? What do you think about all that?

Ray Wang: Coming from my technical background, I'd say I'm scared - I was scared shitless! But honestly, I think it's important, I mean, in order to get scale. There's no way you can only put so many requests. Think about the old way we did data warehousing. In the business I had to file the request for a report so that they could match all the schemes. I mean, it's ridiculous. So we do have to get to a way for the business side of the house and definitely become data jocks. We actually think that in this world, we're going to see more digital artists and people that have the right skills, but also understand how to take that data and translate that into business value. And so these digital artisans, data artisans depending on how you look at this, are going to need both really by first having the curiosity and the right set of questions, but also the knowledge to know when the data set stinks. If I'm getting a false positive or a false negative, why is that happening?

I think a basic level of stats, a basic level of analytics, understanding that there's going to be some training required. But I don't think it's going to be too hard. I think if you get the right folks that should be able to happen. You can't democratize the whole decision-making process. I see that happening. We see that in a lot of companies. Some are financial services clients are doing that. Some of our retail folks are doing that, especially in the razor-thin margins that you are seeing in retail. I was definitely seeing that in high tech just around here in the valley. That's just kind of how people are. It's emerging that way but it's going to take some time because these basic data skills are still lacking. And I think we need to combine that with some of the stuff that some of these guys are doing here on this webinar.

Eric Kavanagh: Well, you bring up a really good point. Like how many controls you want to give to the average end user. You don't want to give an airplane cockpit to someone who's driving a car for the first time. You want to be able to closely control what they have control over. I guess my excitement kind of stems around being able to do things yourself, but the key is you got to put the right person in that cockpit. You got to have someone who really knows what they're doing. No matter what you hear from the vendor community folks, when somebody's more powerful tools are extremely complex, I mean if you are talking about putting together a string of 13, 14, 15 operators to do a particular type of transformation on your data, there are not many people who could do that well. I think we're going to have many, many more people who do that well because the tools are out there now and you can play with the stuff, and there is going to be a drive to be able to perfect that process or at least get good at it.

We did actually lose Phu, but he's back on the line now. So, Phu, the question for you is how is DataTorrent different from, like, Storm or Kafka or Redis or some of these others?

Phu Hoang: I think that's a great question. So, Redis of course is really an in-memory data store and we connect to Redis. We see ourselves as really a processing engine of data, of streaming data. Kafka again is a great bus messaging bus we use. It's actually one of our favorite messaging bus, but someone has to do the big data processing across hundreds of nodes that is fault tolerant, that is scalable, and I repeat that as the job that we play. So, yes, we are similar to Storm, but I think that Storm is really developed a long time ago even before Hadoop, and it doesn't have the enterprise-level thinking about scalability to the hundreds and millions, now even billions of events, nor does it really have the HA capability that I think enterprise requires.

Eric Kavanagh: Great. And you know, speaking of HA, I'll use that as an excuse to bring Robin Bloor back into the conversation. We just talked about this yesterday. What do you mean by high availability? What do you mean by fault tolerance? What do you mean by real time, for example? These are terms that can be bent. We see this all time in the world of enterprise technology. It's a good term that other people kind of glom onto and use and co-opt and move around and then suddenly things don't mean quite what they used to. You know, Robin, one of my pet peeves is this whole universe of VOIP. It's like "Why would we go down in quality? Isn't it important to understand what people say to you and why that matters?" But I'll just ask you to kind of comment on what you think. I'm still laughing about Ray's comment that he's scared shitless about giving these people. What do you think about that?

Ray Wang: Oh, I think it's a Spider-man problem, isn't it? ด้วยพลังอันยิ่งใหญ่มาพร้อมความรับผิดชอบที่ดี You really, in terms of the capabilities out there, I mean it changed me actually a long time ago. You know, I would give my ITs some of the capabilities that they have gotten now. We used to do it extraordinary amounts of what I would say was grunt work that the machines do right now and do it in parallel. They do things that we could never have imagined. I mean we would have understood mathematically, but we could never imagine doing. But there is some people understand data and Ray is completely right about this. The reason to be scared is that people will actually start getting wrong conclusions, that they will wrangle with the data and they will apply something extremely powerful and it will appear to suggest something and they will believe it without actually even being able to do anything as simple as have somebody doing audit on whether their result is actually a valid result. We used to do this all the time in the insurance company I used to work for. If anybody did any work, somebody always checks. Everything was checked by at least one person against the person who did it. These environments, the software is extremely strong but you got to have the discipline around it to use it properly. Otherwise, there'll be tears before bedtime, won't there?

Eric Kavanagh: I love that quote, that's awesome. Let me see. I'm going to go ahead and throw just for this slide up here from GridGain, can you talk about, Nikita, when you come in to play, how do you actually get these application super charged? I mean, I understand what you are doing, but what does the process look like to actually get you embedded, to get you woven in and to get all that stuff running?

Nikita Ivanov: Well, the process is relatively simple. You essentially just need to install GridGain and make a small configuration change, just to let Hadoop know that there is now the HDFS if you want to use HDFS and you have to set up which way you want to use it. You can get it from BigTop, by the way. It's probably the easiest way to install it if you're using the Hadoop. That's about it. With the new versions coming up, a little in about few weeks from now, by the end of May, we're going to have even more simplified process for this. So the whole point of the in-memory Hadoop accelerator is to, do not code. Do not make any changes to your code. The only that you need to do is install it and have enough RAM in the cluster and off you go, so the process is very simple.

Eric Kavanagh: Let me bring John Santaferraro back in. We'll take a couple more questions here. You know, John, you guys, we've been watching you from various perspectives of course. You were over at PEAR Excel; that got folded into Actian. Of course, Actian used to be called Ingres and you guys made a couple of other acquisitions. How are you stitching all of that stuff together? I realize you might not want to get too technical with this, but you guys have a lot of stuff now. You've got Data Rush. I'm not sure if it's still the same name, but you got a whole bunch of different products that have been kind of woven together to create this platform. Talk about what's going on there and how that's coming along.

John Santaferraro: The good news is, Eric, that separately in the companies that we're acquired Pervasive, PEAR Excel and even when Actian had developed, everybody developed their product with very similar architectures. Number one, they were open with regards to data and interacting with other platforms. Number two, everything was parallelized to run in a distributed environment. Number three, everything was highly optimized. What that allowed us to do is to very quickly make integration points, so that you can be creating these data flows already today. We have established the integration, so you create the data flows. You do your data blending and enriching right on Hadoop, everything parallelized, everything optimized. When you want, you move that over into our high-performance engines. Then, there's already a high-performance connection between Hadoop and our massively parallel analytic engine that does these super-low-latency things like helping a bank recalculate and recast their entire risk portfolio every two minutes and feeding that into our real-time trading system or feeding it into some kind of a desktop for the wealth manager so they can respond to the most valuable customers for the bank.

We have already put those pieces together. There's additional integration to be done. But today, we have the Actian Analytics Platform as our offering because a lot of that integration was ready to go. It has already been accomplished, so we're stitching those pieces together to drive this entire analytic value chain from connecting the data, all of the processing that you do of it, any kind of analytics you want to run, and then using it to feed into these automated business processes so that you're actually improving that activity over time. It's all about this end-to-end platform that already exists today.

Eric Kavanagh: That's pretty good stuff. And I guess, Jim, I'll bring you back in for another couple of comments, and Robin, I want to bring you in for just one big question, I suppose. Folks, we will keep all these questions - we do pass them on to the people who participated in the event today. If you ever feel a question you asked was not answered, feel free to email yours truly. You should have some information on me and how to get ahold from me. Also, just now I put a link to the full deck with slides from non-sponsoring vendors. So we put the word out to all the vendors out there in the whole Hadoop space. We said, "Tell us what your story is; tell us what's going on." It's a huge file. It's about 40-plus megabytes.

But Jim, let me bring you back in and just kind of talk about - again, I love this concept - where you're talking about the pool party that comes to an end. Could you talk about how it is that you manage to stay on top on what's happening in the open-source community? Because it's a very fast-moving environment. But I think you guys have a pretty clever strategy of serving this sort of enterprise-hardening vendor that sits on top or kind of around that. Can you talk about your development cycles and how you stay on top of what's happening?

Jim Vogt: Sure. It is pretty fast moving in terms of if you look at just a snapshot updates, but what we're shipping in functionality today is about a year to a year and a half ahead of what we can get on security capabilities out to the community today. It's not that they're not going to get there; it just takes time. It's a different process, it has contributors and so forth, and it just takes time. When we go to a customer, we need to be very well versed in the open source and very well versed in mainly the security things that we're bringing. The reason that we're actually issuing patents and submitting patents is that there is some real value in IP, intellectual property, around hardening these open-source components. When we support a customer, we have to support all the varying open-source components and all the varying distributions as we do, and we also need to have the expertise around the specific features that we're adding to that open source to create the solution that we create. As a company, although we don't want the customer to be a Hadoop expert, we don't think you need to be a mechanic to drive the car. We need to be a mechanic that understands the car and how it works and understand what's happening between our code and the open source code.

Eric Kavanagh: That's great. Phu, I'll give you one last question. Then Robin, I have one question for you and then we'll wrap up, folks. We will archive this webcast. As I suggested, we'll be up on insideanalysis.com. We'll also go ahead and have some stuff up on Techopedia. A big thank you to those folks for partnering with us to create this cool new series.

But Phu … I remember watching the demo of the stuff and I was just frankly stunned at what you guys have done. Can you explain how it is that you can achieve that level of no failover?

Phu Hoang: Sure, I think it's a great question. Really, the problem for us had three components. Number one is, you can't lose the events that are moving from operator to operator in the Hadoop cluster. So we have to have event buffering. But even more importantly, inside your operators, you may have states that you're calculating. Let's say you're actually counting money. There's a subtotal in there, so if that node goes down and it's in memory, that number is gone, and you can't start from some point. Where would you start from?

So today, you have to actually do a regular checkpoint of your operator state down to this. You put that interval so it does not become a big overhead, but when a node goes down, it can come back up and be able to go back to exactly the right state where you last checkpointed and be able to bring in the events starting from that state. That allows you to therefore continue as if the event actually has never happened. Of course, the last one is to make sure that your application manager is also fault tolerant so that doesn't go down. So all three factors need to be in place for you to say that you're fully fault tolerant.

Eric Kavanagh: Yeah, that's great. Let me go ahead and throw one last question over to Robin Bloor. So one of the attendees is asking, does anyone think that Hortonworks or another will get soaked up/invested in by a major player like Intel? I don't think there's any doubt about that. I'm not surprised, but I'm fascinated, I guess, that Intel jumped in before like an IBM or an Oracle, but I guess maybe the guys at IBM and Oracle think they've already got it covered by just co-opting what comes out of the open-source movement. What do you think about that?

Robin Bloor: It's a very curious move. We should see in light of the fact that Intel already had its own Hadoop distribution and what it has effectively done is just passed that over to Cloudera. There aren't many powers in the industry as large as Intel and it is difficult to know what your business model actually is if you have a Hadoop distribution, because it is difficult to know exactly what it is going to be used for in the future. In other words, we don't know where the revenue streams are necessarily coming from.

With somebody like Intel, they just want a lot of processes to be solved. It is going to support their main business plan the more that Hadoop is used. It's kind of easy to have a simplistic explanation of what Intel are up to. It's not so easy to guess what they might choose to do in terms of putting code on chips. I'm not 100% certain whether they're going to do that. I mean, it's a very difficult thing to call that. Their next move at the hardware level, I think, is the system on a chip. When we go to the system on a chip, you may actually want to put some basic software on the chip, so to speak. So putting HDFS on there; that might make some sense. But I don't think that that was what that money investment was about. I think all that money investment was about was just making sure that Intel had a hand in the game and is actually going forward.

In terms of who else is going to buy, that is also difficult to say. I mean, certainly the SAPs and Oracles of this world have got enough money to buy into this or IBM has got enough money to buy into it. But, you know, this is all open source. IBM never bought a Linux distribution, even though they plowed a lot of money into Linux. It didn't break their hearts that they didn't actually have a Linux distribution. They're very happy to cooperate with Red Hat. I would say maybe Red Hat will buy one of these distributions, because they know how to make that business model work, but it's difficult to say.

Eric Kavanagh: Yeah, great point. So folks, I'm going to go ahead and just share my desktop one last time here and just show you a couple of things. So after the event, check out Techopedia - you can see that on the left-hand side. Here's a story that yours truly wrote, I guess a couple of months ago or a month and a half ago, I suppose. It really kind of spun out of a lot of the experience that we had talking with various vendors and trying to dig in to understanding what exactly is going on with the space because sometimes it can be kind of difficult to navigate the buzz words and the hype and the terminology and so forth.

Also a very big thank you to all of those who have been Tweeting. We had one heck of a Tweet stream here going today. So, thank you, all of you. You see that it just goes on and on and on. A lot of great Tweets on TechWise today.

This is the first of our new series, folks. Thank you so much for tuning in. We will let you know what's going on for the next series sometime soon. I think we're going to focus on analytics probably in June sometime. And folks, with that, I think we're going to go ahead and close up our event. We will email you tomorrow with a link to the slides from today and we're also going to email you the link to that full deck, which is a huge deck. We've got about twenty different vendors with their Hadoop story. We're really trying to give you a sort of compendium of content around a particular topic. So for bedtime reading or whenever you're interested, you can kind of dive in and try to get that strategic view of what's going on here in the industry.

ด้วยสิ่งนี้เราจะบอกลาคุณทุกคน Thank you again so much. Go to insideanalysis.com and Techopedia to find more information about all this in the future and we'll catch up to you next time. ลาก่อน.