本期我們特邀了國內Hadoop領域的兩位專家董西成、蔡斌來共同探討如何通過源代碼來掌握Hadoop的架構設計和實現原理，歡迎午飯積極提問和參與互動，與專家一起探討。
查看本期門診精彩實錄：http://doctor.51cto.com/develop-286.html
精選本期網友提問與專家解答，以供網友學習參考。
Q: 請問《Hadoop技術內幕》書籍適合那些技術人員閱讀？
Hadoop能給“雲計算”與“大數據”帶來那些性能提升，或者說如何提升Hadoop穩定性及高效性？
作爲一個初學者，要想掌握Hadoop先要有那些基礎，如何循序漸進學習好Hadoop？先感謝你的指導。
A: 《Hadoop技術內幕》對於有一定Hadoop基礎的人看有喲幫助，但需要說明的是，對於那些Hadoop應用程序開發者也會有很大幫助，畢竟只有瞭解了Hadoop內部原理才能編寫出更加高效的程序。
Hadoop主要優點是免費、擴展性好、容錯性好和易於編程，Hadoop目前有穩定版本，對於大部分公司，已經夠用了，你可以直接編寫MapReduce程序，也可以使用SQL處理數據（這樣開發效率更高）。
Hadoop初學者應該多實踐，搭建一個Hadoop集羣，使用它，玩弄它，感受它，然後在實踐中不斷深入理解他。
Q: hadoop2.0+版本與1.0及以下版本差距有多大，如果是全新搭建hadoop環境，用哪個版本比較適合？
A: 現在Hadoop 2.0還不成熟穩定，大部分公司仍在使用1.0,，如果剛開始使用Hadoop，搭建一個全新的環境，推薦使用最新的穩定版，目前主流的是apache的1.1.2(下載地址：http://mirror.bit.edu.cn/apache/hadoop/common/stable/). cloudera的cdh3u6(下載地址：http://archive.cloudera.com/cdh/3/hadoop-0.20.2-cdh3u6.tar.gz)，這兩種發行版的對比可參考我的這篇文章：http://dongxicheng.org/mapreduce-nextgen/how-to-select-hadoop-versions/
Q: mapreduce適合做實時系統嗎？我個人認爲一個實時系統至少應符合低延遲、高性能、可擴展等的特性，就低延遲而言，mapreduce明顯略爲遜色。是否有某種架構方式能改善mapreduce的這些缺點？
A: Hadoop最初設計動機是提供一個容錯性好、擴展性好、易於編程的計算框架MapReduce，特點是適合離線計算，隨着業務發展，實時計算有了新的需求，現在已經出現了很多實時框架，包括 Storm，Spark和yahoo s4等，這些框架的數據來源均可以是HDFS，且都是開源的，思想是減少寫磁盤，任務熱啓動，基於內存等，其中，Storm已被很多大型公司使用，包括陶淘寶。
Q: 以往 Hadoop 似乎就是大數據的代名詞。不過最近隨着大數據應用的深入，大家已經越來越傾向於僅僅把它看成是大數據的一個存儲工具了。
我想問下，對於把Hadoop作爲廉價的存儲工具真的合適嗎?是不是因爲開源、代碼成熟、穩定而說明它是廉價的？對於視頻類網站來說，他們存儲模型是如何設計的？
我還想問的是，對於基於Hadoop的應用開發，相較與傳統oop，在分析和設計上有哪些異同點和需要注意的地方？也就是設計的角度可以從哪些方面入手？
A: 視頻領域，是Hadoop應用的一個典型代表，因爲數據量大，很多視頻處理算法都可以並行化。
Hadoop的提出，使得應用程序的開發與傳統oop非常相近，不過處理問題時，要轉化成Hadoop要求的格式和規範，比如用MapReduce護理問題時，要將問題轉化成map和reduce兩個階段。
Q: 二位老師好，我對Hbase有一定的理論瞭解，但是不知道Hbase的應用與實踐。現在我的業務需要使用數據庫支持，但是業務邏輯是依據關係型數據庫而設計的。但是Base好像不支持條件查詢，只支持按照ROW KEY來查詢，這對對我的業務來說是不可接受的（業務需要多表關聯或者join操作）。
對於這種關心型業務邏輯 想使用hbase這樣的數據庫來說，合適嗎？有解嗎？我實在不想使用mysql這樣的數據庫，因爲數據量增大時，性能就會出現瓶頸，而我的數據量卻可能呈直線上升。
另外，對於碎片文件，您推薦使用hbase，爲什麼要這樣設計？HBase應用的典型案例有哪些呢?
再次感謝！
A: HBase是一個實時存取系統，它沒有嚴格的schema的概念，優點是擴展性和容錯性好，但它不適合有多表join的場景。
通常而言，如果有join操作，可以將HBase和數據庫結合起來使用，各自發揮優勢。
碎片文件推薦使用hbase是相對於HDFS而言的，Hadoop中有兩種對外存儲，一個是HDFS，一個是hbase。