我对hadoop非常陌生，正在阅读《hadoop权威指南》
Hadoop中的流数据访问是什么意思，为什么我们说Hadoop应用程序中的延迟很高。有人能解释一下吗?提前感谢
Ok…让我试试……"流数据访问"意味着不以数据包或块的形式读取数据，而是以恒定的比特率连续读取数据，就像从水龙头中取水一样。应用程序从文件的开头开始读取数据，并以顺序的方式继续读取，而不随机查找。
回到你问题的第二部分，据说Hadoop应用程序的延迟很高，因为最初的几秒钟花费在诸如作业提交，资源分配，拆分创建，映射器创建等活动上。
HTH
对于延迟，我可以说完成时间总是大于30秒，即使您正在处理KB的数据。我不完全知道为什么这么长，但这段时间是初始化，例如创建作业，确定数据的哪一部分将由哪个worker处理，等等。
所以，如果你要处理少于GB的少量数据，那么不要使用hadoop，只使用你的pc。Hadoop只适合大数据
它指的是HDFS操作是读密集型的，而不是写密集型的。在一个典型的场景中，源数据是你用来分析的，只有当它是最新的，并确保你有最新的数据集时，才会被加载到HDFS。
在分析过程中，生成原始数据的副本(几乎完整的形式)。然后在复制的数据上调用MapReduce操作。
可以看出，它不同于通常的存储和处理之间的关系。在正常操作中(比如你的PC/Mac)，你最好希望文件能快速打开，这是低延迟的，并且保持小文件大小以使其可行。
由于HDFS本身倾向于处理pb (1000 gb)的数据，因此延迟将很高，但相比之下，实际上可以更轻松地处理大型数据集。