（1）为什么一说大数据就谈到Hadoop？

Hadoop是用Java编写的一个开源软件框架，用于分布式存储和对在计算机集群上的超大型数据集的分布式处理。

首先，大数据的“大”不是指数据的“多”，不是用具体的TB、PB来描述的概念。大数据的含义及特点如下所述。

大量：像我们大家平时用百度搜索，逛淘宝，用QQ、微信、Facebook、Twitter，产生的信息就是大数据，平台都会记录存储下来。

多样：数据的多样性，指数据既有结构化的数据，也有非结构化的文本、图片、视频、语音、日志、邮件等。

实时：大数据需要快速、实时地进行处理。如果说对时间要求低，随便弄几台机器，对小数据进行处理，等个十天半个月出来结果，这样也没有什么意义了。(https://www.daowen.com)

不确定：就像网上的很多信息，有真实的也有虚假的，很难辨析。

根据以上特点，我们需要一个东西存储大量数据、快速处理大量数据并对大量数据进行分析，于是就有了Hadoop这样一个模型，如图13-2所示。

图13-2 Hadoop模型