人们似乎非常热衷于将现有的应用程序迁移到Hadoop基础设施中，在许多公司或组织中，似乎有一个口头禅：如果你有很多数据，那就使用Hadoop。我想了解现有解决方案对集中式(大(数据的依赖如何影响Hadoop是否是一个好的解决方案的决定。
在许多情况下，您典型的"大数据"应用程序希望尽可能高效快速地处理数十亿件事情，例如文档、消息、文件。我看到了以映射/reduce方式在许多节点之间分配该工作的优势。然而，通常情况下，为了能够处理这些东西，处理函数(映射器(必须在某处查找东西。例如，将查询发送到SQL服务器，在图形数据库中查找某些内容，在巨大的键/值存储中查找数据。此外，每个函数可能需要大量的内存来存储/缓存处理其事物所需的所有数据。
这是违反Hadoop的做事方式，还是通常以这种方式做事？最重要的是，除了将处理工作分散在一堆Hadoop节点上之外，您还需要找到一种方法来并行化或升级您的"中央服务器"(SQL，图形数据库等(，以便它们可以回答来自并行Hadoop节点的所有请求，不是吗？
当被parallized的处理依赖于大型中央数据存储中的快速查找时，转向使用Hadoop的最佳方法是什么？
这就是为什么你有像Cassandra这样的解决方案。当然，您不能只是大规模并行化计算，而是将数据存储保留为单个实体。还需要并行化相关资源。