我在博客上读到过，它说
Hadoop 以批处理为中心，非常适合发现、探索和分析大量不适合表格且不适合实时操作的多结构化数据。
因此，任何人都可以通过对此提供更好的解释来帮助我，例如它不适合实时操作。TQ
对于实时处理，你有HBase，它是Hadoop生态系统的一部分：
http://hbase.apache.org/
Apache HBase是Hadoop数据库，一个分布式的，可扩展的，大的。 数据存储。
我什么时候会使用 Apache HBase？
当您需要随机、实时读/写访问时，请使用 Apache HBase 您的大数据。该项目的目标是托管非常大的桌子 -- 数十亿行 X 数百万列 -- 在商用硬件集群之上。Apache HBase是一个开源的，分布式的， 以Google的Bigtable为模型的版本化非关系数据库：A 结构化数据的分布式存储系统 作者：Chang et al.就像 Bigtable利用谷歌提供的分布式数据存储。 文件系统，Apache HBase在顶部提供了类似Bigtable的功能 Hadoop和HDFS。
特征
- 线性和模块化可扩展性。
- 列表项
- 严格一致的读写。
- 自动和可配置的表分片
- 区域服务器之间的自动故障转移支持。
- 方便的基类，用于使用 Apache HBase 表支持 Hadoop MapReduce 作业。
- 易于使用的 Java API 进行客户端访问。
- 用于实时查询的块缓存和布隆过滤器。
- 通过服务器端筛选器向下推送查询谓词
- Thrift 网关和支持 XML、Protobuf 和二进制数据编码选项的 REST-ful Web 服务
- 可扩展的基于 jruby 的 （JIRB） shell
- 支持通过Hadoop指标子系统将指标导出到文件或Ganglia;或通过JMX
它还支持原子计数器，这是 HBase 的强项之一，可以帮助您减少对大型分析作业的需求（通过仔细和计划的行键和架构设计）。
Hadoop MapReduce不适合实时处理。
但现在，这种情况正在改变。例如，Storm，Spark提供了近乎实时的处理能力。
Spark 在内存计算中使用，以实现更快的处理速度。它使用RDD（弹性分布式数据集）作为内存抽象。
其中，风暴使用喷口（源）和螺栓（汇）的DAG。这称为拓扑，拓扑保持运行。即，它从喷口获取数据并提供给螺栓。Bolts 可以将此数据写入数据库或使其可供用户使用。这减少了处理时间。