對於Hadoop產生的原因，我們從以下三個方面談起：
一、 傳統大規模系統的問題
（1）傳統大規模計算
1.傳統計算受到處理器限制：相對較小的數據量；有很多複雜的處理。
2. 早期的方案：更大的計算機，更快的處理器，更多的內存，但即使這樣也不能滿足
（2）分佈式系統
1. 更好的方案：使用更多的機器來處理單個作業
2. 分佈式系統遇到的問題：編程的複雜性（用來管理和處理數據的程序很複雜）；有限的帶寬
3.數據瓶頸：傳統系統中，數據存儲在中央存儲；數據在運行時拷貝到處理器；適合限量的數據
然而，現代系統有很多數據，我們需要尋求新的方法來處理這些數據：Hadoop就應運而生，引入了一個徹底的新方法就是分佈式計算，當數據存儲時分佈數據，而且在數據所在的位置運行計算。
二、 Hadoop自身優勢
（1） Hadoop的源起：
1.思想起源：Google
2.Hadoop之父：Doug Cutting
3.Lucene->Nutch->Hadoop
4. 實現雲計算的事實標準開源軟件
5.包含數十個具有強大生命力的子項目
6.已經能在上萬節點上運行，處理數據量和排序時間不斷打破世界紀錄
（2） Hadoop核心設計
1.當數據加載的時候分片成塊
2.Map任務通常作用於單個塊
3.Master程序管理任務
（3） Hadoop核心概念
1.應用通過高級語言代碼來寫
2.節點之間儘可能少的通信
3.數據提前分佈式存儲
4.把計算放到數據所在節點運行
5.數據通過多副本存儲來提供可靠性和高可用性
6.Hadoop是可擴展並且容錯的
三．Hadoop適用背景
（1）大數據的處理模式：
主要的處理模式可以分爲流處理（stream processing）和批處理（batch processing）：批處理是先存儲後處理（store-process）；流處理則是直接處理（straight-through process）
（2）你可以用Hadoop做什麼？
（3）數據從哪裏來？
1.科學
醫療影像，傳感器數據，基因測序，天氣數據，衛星
2.工業
金融，製藥，製造業，保險，網遊，能源，零售數據
3.資產
銷售數據，客戶行爲，產品數據庫，賬戶數據等
4.系統數據
日誌文件，健康和狀態，活動信息流，網絡消息，web分析，入侵檢測和垃圾郵件過濾
（4）常見的Hadoop分析類型
ETL;文本挖掘;索引構建;圖創建和分析；模式識別；協同過濾； 預測模型；情感分析；風險評估
（5）使用Hadoop分析的好處
實現以前不可能或不現實的分析；更低的成本；更少的時間；更多的靈活性；近線性的擴展性
以上就是根據自己的學習以及實際經驗給大家分享的Hadoop產生的原因，對於更多想要學習和了解大數據的同學來說，這是一個很好的開端；平常大家可以多關注一些大數據的資訊，多看一些大數據相關的書籍，我平常喜歡關注如大數據cn這些微信公衆號，裏面對於大數據的資訊介紹還是不錯的，大家也可以看看。總之，希望我們每一個人都踏踏實實從基礎做起，不斷鞏固提高，一定會取得進步的。
