目前为止, 你必须肯定熟悉的名词大数据. 如果不, 大数据是基本覆盖大型，复杂数据集的一个术语. 为了处理大数据, 1要求使用比通常使用的传统类型的不同数据处理的应用程序.
那么究竟是不同的数据处理应用程序? 虽然有一些让大数据的处理和加工各种应用, 基本框架一直是Apache的Hadoop的的.
什么是Hadoop的Apache的?
Hadoop是用Java编写的一个开源软件框架，包括两部分, 它们是存储部，另一个是数据处理部. 存储部分被称为Hadoop分布式文件系统 (HDFS) 并且处理部分称为MapReduce的.
在这里，在这篇文章中, 我们就一起来看看到由Hadoop的MapReduce编程带来的优势.
MapReduce编程的优点
MapReduce编程的优点是 -
Scalability
Hadoop的恰好是一个平台，该平台是高度可扩展的. 这在很大程度上是因为它的跨服务器充沛的大型数据集存储，以及分发的能力. 这些服务器可以是廉价的，他们也并行操作. Also, 服务器的加入只是增加了处理能力.
违背了传统的关系数据库管理系统 (关系数据库管理系统) 不能以处理海量数据规模, Hadoop的MapReduce编程使企业组织运行的节点的数量庞大的应用程序，也涉及到数据的几千TB的用法.
成本效益的解决方案
Hadoop的高度可扩展的结构也意味着它要像对于需要不断增长的存储企业数据的一个非常具有成本效益的解决方案.
在传统的关系数据库管理系统的情况下, 它成为大量成本过高扩展到可以使用Hadoop的度, 只是处理数据. 因此, 许多企业不得不缩减数据，并根据一定的数据怎么可能是最有价值的假设进一步落实分类. 正在进行中, 原始数据将不得不被删除, 考虑到他们将涉及存储成本巨大. 这基本上供应短期内的优先事项, 而如果一个企业发生的地方改变其计划的路线, 一套完整的原始数据将是以后无法使用.
在一个完全不同的说明, Hadoop的横向扩展架构, 随着MapReduce编程, 允许数据的存储和处理在非常经济的方式，也为在稍后的时间使用. In fact, 节约成本是巨大和成本能够降低千元/万的数字上百数字数据的每TB的.
灵活性
企业组织可以利用的Hadoop MapReduce编程来访问数据的各种新的来源，也对数据类型进行操作, 无论是结构化或非结构化. 这使他们能够从所有可被他们访问的数据产生价值.
沿着这样线, Hadoop的提供，可用于数据处理和存储大量语言的支持. 是否该数据源是社交媒体, email, 或点击, MapReduce的可以在所有这些工作. Also, Hadoop的MapReduce编程允许许多应用, 如推荐系统, 原木加工, 营销分析, 数据和欺诈检测的仓储.
快速
Hadoop的使用被称为分布式文件系统的存储方法, 这基本上实现了映射系统中的簇来定位数据. 用于数据处理的工具, 如MapReduce编程, 通常也位于非常相同的服务器, 这允许更快的数据处理.
即使你碰巧要处理大量的数据，这些数据是非结构化的, Hadoop的MapReduce的需要几分钟来处理TB级的数据, 和小时PB级数据.
安全和认证
安全性是任何应用的一个重要方面. 如果任何非法人或组织能够获得组织的数据的数PB, 它可以做你的业务往来和操作方面大量的伤害.
在这方面, MapReduce的工作原理与HDFS和HBase的安全，允许只批准用户在存储在系统中的数据进行操作.
并行处理
之一的MapReduce编程的工作的主要方面是，它划分任务的方式，使并联其执行.
并行处理允许多个处理器来承担这些任务划分, 使得它们在更短的时间运行整个程序.
可用性和弹性性质
当数据被发送到单个节点在整个网络中, 非常同一组数据也被转发到其他众多节点组成的网络. Thus, 如果有，影响特定节点的任何失败, 总有每当需要可能出现仍然可以访问其它拷贝. 这始终确保数据的可用性.
一个由Hadoop的所提供的最大的优点就是它的容错. Hadoop的MapReduce的已迅速地识别故障发生，然后申请一个快速和自动恢复解决方案的能力. 这使得一个改变游戏规则，当谈到大数据处理.
编程的简单模型
在各种优势的Hadoop MapReduce的报价, 其中最重要的是，事实上，它是基于一个简单的编程模型. 这基本上可以让程序员开发出能够更轻松，高效地处理任务MapReduce程序.
为的MapReduce程序可以用Java编写, 这是不是很辛苦皮卡，也广泛使用的语言. Thus, 很容易让人们学习和编写程序，以满足他们的数据处理需要足够.
结论
当涉及大数据集的处理, Hadoop的MapReduce编程允许这种大量数据的处理完全符合安全和成本效益的方式. Hadoop的也胜之关系数据库管理系统，当谈到大数据集群的处理. 最后, 许多企业已经认识到Hadoop的持有承诺，当务之急是非结构化数据的不断增加其价值的企业将增长.
