BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

Hadoop,开发者纠结的十件事

| 作者 张天雷 关注 4 他的粉丝 发布于 2014年10月28日. 估计阅读时间: 6 分钟 | GMTC大前端的下一站,PWA、Web框架、Node等最新最热的大前端话题邀你一起共同探讨。

开源数据处理平台Hadoop在大数据时代的今天有着非常广泛的应用。著名的大象图标遍布各行各业,从医疗记录到银行交易,从车票预定到房屋租赁,乃至很多科学数据处理,都可以见到Hadoop的身影。

在Hadoop生态繁荣的背后,是开发者们夜以继日的开发与支持。而在用户得益甚至赞赏这些应用的时候,开发者们却不得不面对Hadoop平台中一些可用性较差的地方。本文列举了网络上一些关于Hadoop的缺点,供大家探讨,部分观点来自InfoWorld及开发者博客。

1、 平台尚未成熟

虽然用途广泛,但不得不承认的是,Hadoop目前仍在开发阶段。很多数据结构都不全,比如Hadoop一直不支持原生datatime数据类型,最近才在时间序列数据开发者的强烈建议下下引入此数据类型。其次,技术支持并不到位,无论是Google还是Stack Overflow上寻找的答案,都不足以解决开发者遇到的问题。

2、 数据模式模糊不清

Hadoop目前对模式(Schema)的描述并不清晰,很多开发者在撰写Pig脚本的过程中,会花费超过50%的时间在调试对Schema的支持上。

3、 Pig和Hive无法互通

Hive和Pig用起来完全是两个东西。熟悉SQL的开发者可以在Hive中使用类似的脚本,但是在Pig中却不得不重新学习其语法。在Pig中无法使用Hive的UDFS,也无法使用HCatalog访问Pig的Hive表。反过来,无法在Hive中使用Pig的UDFS。这让开发者在两者切换使用的过程中颇为纠结,需要耗费精力重新撰写脚本来完成已有的工作。

4、 HDFS存储共享函数库

鉴于Hadoop的复用机制,一旦开发者将Pig脚本保存于HDFS,那么Hadoop将自动认为所有的JAR包的存储方式都应如此。通常情况下,这样的做法并无问题,但是有时候,当一个项目需要维护大量共享库的时候,这就变得非常复杂。而且,大部分时间JAR包通常都在安装客户端的时候一并安装过,Hadoop这种存储方式使得JAR包多次存储。据悉,脚本存储的问题Pig新版本已修正,但是共享函数库存储的问题却仍然存在。

5、 报错信息不完整

这几乎是Hadoop系列工具的通病,经常在出了问题的时候,返回一个“运行失败,无更多错误信息”这样的报错提示,使得开发者无法进行更进一步的错误调试。还有,Hadoop经常会抛出一些无法找到指针的异常(NPE),而这些问题则是由文件解析之类的操作造成,并不能属于NPE范畴。另外,由于采用UDFS,导致很多报错最终以udf执行错误的样子呈现给开发者,而它们可能仅仅是语法错误或者类型错误。

6、 不兼容的安全机制

开发者经常会听到这样的说法:“已经有足够多的案例证明,想要保证Hadoop的安全性,建议使用Kerberos,LDAP直白易用。”但是现状就是,Hadoop平台并未对此有友好的集成:没有SAML、没有OAuth,也没有很好的安全验证机制(开发者只能时不时的无奈面对再一次出现的登录窗口)。更有意思的是,Hadoop平台中很多组件都自己支持LDAP,且彼此不考虑兼容性。

7、 难以开发的LDAP连接器

对开发者来讲,用Java成功完成一个能用的LDAP连接器,至少需要修改上百次代码。而反过来看看完成的代码,连接器的功能还不完善。实际上,开发者们能感觉出Knox有点像一时冲动的产物。毕竟用Apache配置mod_rewrite模块就能完成的事情,非要用Java再写一遍,的确是让开发者头痛的事情。

8、 难以扩展的Hive表管理

如果开发者使用Hive进行表管理的话,在Hive执行了drop表命令后,会自动将表删除。但是如果这个表是外部的话,则不会自动删除。为什么Hive不能将这两个表同样对待呢?此外,既然Hive现在有向RDBMS发展的趋势,为什么不增加Update和Delete?

9、 不兼容的Namenode

Hadoop的很多组件,如Oozie、Knox等,都不遵循新的Namenode HA。开发者可以做一个HA Hadoop,前提是他完全不想使用其他组件。

10、 出错的文档

Hadoop的文档存在很多问题,开发者经常会发现文档的示例代码中有问题,有一些文档本身都没有遵循Hadoop的模式设计。鉴于这些文档在互联网上流传广泛,应该有相当一批人学习并尝试,因此都会遇到并纠结于这些错误。实际上,有些错误是完全可以避免的,只要文档的撰写人在完成文档的同时,自己动手运行一下示例代码。比如Oozie文档中充斥着大量过去版本的样例代码,开发者遇到错误的时候,很可能不是自己程序写错了,而是由于Oozie版本更替而导致之前教程中的函数不兼容造成,比如协议问题、模式有效性问题等等。有人形容Oozie,称其类似Ant和Maven,只是没有任何调试手段,而且代码非常善变。

此外,在Hadoop平台的适用范围方面,它对实时数据访问支持并不好,也无法高效存储大量小文件,而且目前尚不支持多用户。


感谢郭蕾对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ)或者腾讯微博(@InfoQ)关注我们,并与我们的编辑和其他读者朋友交流。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT