學習着數據科學與大數據技術專業（簡稱大數據）的我們，對於“大數據”這個詞是再熟悉不過了，而每當我們越去了解大數據就越發現有個詞也會一直被提及那就是——Hadoop
那Hadoop與大數據有什麼關係呢？
所謂大數據，就是從各種類型的數據中，快速獲得有價值信息的能力。大數據是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。它是對那些超出正常處理範圍和大小、迫使用戶採用非傳統處理方法的數據集所下的定義。
Hadoop是Apache軟件基金會發起的一個項目，是一種分布式數據和計算的框架。它很擅長存儲大量的半結構化的數據集。數據可以隨機存放，所以一個磁盤的失敗並不會帶來數據丟失。Hadoop也非常擅長分佈式計算——快速地跨多臺機器處理大型數據集合。
伴隨大數據技術的普及，Hadoop作爲數據分佈式處理系統的典型代表因其開源的特點和卓越的性能成爲一時的新寵，已經成爲該領域事實的標準，甚至有人認爲大數據就是Hadoop，其實這是一個誤區。但Hadoop並不等於大數據，Hadoop只是處理離線數據的分佈式存儲和處理系統。如用於處理流數據的Storm、處理關係型數據的Oracle、處理實時機器數據的Splunk……目前主流的大數據系統很多，Hadoop只是其中的代表。
Hadoop大數據處理的意義
Hadoop得以在大數據處理應用中廣泛應用得益於其自身在數據提取、變形和加載(ETL)方面上的天然優勢。Hadoop的分佈式架構，將大數據處理引擎儘可能的靠近存儲，對例如像ETL這樣的批處理操作相對合適，因爲類似這樣操作的批處理結果可以直接走向存儲。Hadoop的MapReduce功能實現了將單個任務打碎，並將碎片任務(Map)發送到多個節點上，之後再以單個數據集的形式加載(Reduce)到數據倉庫裏
在大數據時代，Hadoop以其優越的性能受到業界的廣泛關注，已經成爲大數據處理領域事實上的標準。如今，Hadoop在諸多領域大顯身手。隨着開源社區和國際衆多國際技術廠商對這一開源技術的積極支持與持續的大量投入，相信不久的將來，Hadoop技術會被拓展到更多的應用領域。
對大數據以及人工智能概念都是模糊不清的，該按照什麼線路去學習，學完往哪方面發展，想深入瞭解，想學習的同學歡迎加入大數據學習qq羣：458345782，有大量乾貨（零基礎以及進階的經典實戰）分享給大家，並且有清華大學畢業的資深大數據講師給大家免費授課，給大家分享目前國內最完整的大數據高端實戰實用學習流程體系 。從java和linux入手，其後逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相關知識一一分享！