传统的计算就是在一台或多台机器上部署程序，然后把数据获通过接口抓取到程序里进行分析，这称之为移动数据。而hadoop不是，而是把程序自动分发到各hadoop结点上进行计算，然后通过一定机制把结果进行汇总最后返回出来,这称之为移动计算。
解释一下，第一种，移动数据，到头来还是一个中央计算机从很多台机器上拉数据，拉倒自己的机器上处理，终究还是一台机器处理，慢不慢？慢！
而hadoop呢，移动计算，每个节点也就是每台机器自己计算，算好之后由hadoop的mapReduce统一汇总，快不快？快！mapReduce需要基于hadoop的分布式文件系统（HDFS），又有ubuntu又有window又有mac怎么能汇总？必须要统一，其实就像java虚拟机，你底层不是不一样么，那好，我在上层虚拟一层出来，我的东西都在虚拟机上运行，虚拟机与底层操作系统交互的的东西我来写，操作系统也就那么多，而且我只写几个用的多的就行，没几个人用的操作系统我就不写喽，大不了官网上写上不兼容就行了，哈哈，这样都统一了，才能进行MapReduce。
hadoop很好的呈现了现在的分布式计算的优势，看一些应用的场景：
应用场景之一：就是搜索引擎，现在互联网数据海量，如何存储并搜索成为难点，那hadoop的两大核心框架就正符合这用处，用网络爬虫取来的海量网页数据存于分布式库，然后当去搜索时，通过各子结点并发搜索，将数据返回合并后展示。 而hadoop的产生，也就是在google在2003年到2004年公布了关于GFS、MapReduce和BigTable三篇技术论文，即google的三驾马车。Hadoop的HDFS对就google的GFS，MapReduce对就google的MapReduce，Hadoop的HBase对应google的BigTable。 （注：HBase是其于hadoop开发的类似数据操作的软件）。
应用场景之二：生物医疗，大量DNA数据存储，同时要进行比对工作，用Hadoop再合式不过了。
当然还有N多其他应用场景……
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
