当一个DBA讨论大数据，云计算的时候，眉宇之间都会闪烁着光芒，仿佛逼格提升了不少，这个时候不要打断他，毕竟这样的机会对他来说太少了。
不明觉厉，就是说我们听到自己一些东西的时候，虽然听不懂是什么，但是还是觉得很牛逼，但是在数据库这方面，并没有什么新的思想，之所以能这样发展，只是因为这个社会有钱了，能多买几台电脑让你整罢了。
今天介绍一下分布式基础架构hadoop，它的两个核心HDFS（Hadoop Distributed File System）与mapreduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。
我猜一般人看到这就已经虚了，这说的什么啊？完全看不懂啊，干脆点个赞直接走吧，看不下去了....
其实你大可不必这样，我给你换一种通俗的语言来解释：在这个平台上开发的数据处理程序，专门处理数据量特别大的任务，有两个核心方法，一个是把数据切成一定大小的块存起来，一个是把数据拆开计算，然后汇总结果。
这样你就可以理解：这其实就是一种分而治之的思想，这个思想我们最早什么时候接触的？在那个炎热的费城，我上了一座小山，结果下不来了，最后听着老爹的指挥一步一步才下来...如果你还不记得，那我直接告诉你，这是《走一步，再走一步》，现在回来看看所谓的分布式处理，你还觉的高深吗？
回到正题，现在给你讲讲为什么是这样发展的。目前发展最多也最稳定的一种形式是，企业搭个服务器，然后跑点应用在上面，所以从性价比上来看：性（硬件运算速度）与价（设备价格）的比，是很多公司采购设备需要权衡并寻找最优的地方。但这里有个假设，就是你的业务不会再发生大的增量，否则你得一直采购设备维持运维，直到达到新的平衡点。
这对传统制造业以及大多数企业是非常有效的，但是对于互联网行业就有一个较大的矛盾，从短信到微信，再到现在的视频社交，数据存储的量越来越大，Facebook每日存储数据量高达1PB。
可能你对这量没有感觉，举个例子吧。
光头强一小时能砍一棵树，一天八小时日子过的有滋有味，但是老板不干了，老板说，明天要光头强砍1000万棵树，该怎么办？换做是我我都愁。
而现在的互联网行业或多或少都遇到这样的问题，用户产生的数据越来越大，光是存储这些都很麻烦，更不要说处理这些数据，从中挖掘信息来赚钱了。
这个问题的瓶颈是运算速度跟不上，想提高运算速度就得换更贵的设备。那该怎么办呢？分而治之呗。一个CPU跑再快也没法运算完海量的数据，如果把数据拆成两半，让2个CPU去运算是不是会快一半呢？让4个CPU去运算是不是会快4倍呢？答案是理论上是对的（分配任务和汇总结果也要花时间）！
hadoop就是干这个的！
现在明白了吧？
