为什么如此难用？Hadoop的12个技术痛点

IT经理网点评：Hadoop属于底层基础软件，今天大多数IT技术人员并不熟悉这个层面的技术，这造成Hadoop实施难度大，极为难用，开源数据库SciDB开发商Paradigm4进行的一项针对111名北美数据科学家的调查显示，只有48%的受访数据科学家表示他们在工作中曾使用过Hadoop或者Spark，高达76%的数据科学家抱怨Hadoop太慢，编程速度过慢，以及其他一些局限性。不少专家指出，如果不解决易用性问题，Hadoop将被自己终结。近日一位软件顾问经过亲身实践，发现了这12件事影响了Hadoop的易用性。原文由CSDN编译如下：

本文作者Andrew C. Oliver是一位专业的软件顾问，同时还是北卡罗来纳州达勒姆大数据咨询公司Open Software Integrators的总裁和创始人。

Hadoop是一个很神奇的创造，但它发展过快而表现出一些瑕疵。我爱大象，大象也爱我。不过这世上没什么是完美的，有的时候，即使是再好的朋友间也会起冲突。就像我和Hadoop之间的存在斗争一样。下面是我列举的12个痛点。

1. Pig vs. Hive

你 在 Pig 里用不了 Hive UDFS。在 Pig 中你必须用 HCatalog 来访问 Hive 表。你在 Hive 里用不了Pig UDFS。在 Hive 中无论是多么小的额外功能，我都不会感觉像写一个 Pig 脚本或者“啊，如果是在 Hive 里我可以轻易地完成”，尤其是当我写 Pig 脚本的时候，当我在写其中之一的时候，我经常想，“要是能跳过这堵墙就好了！”。

2. 被迫存储我所有共享库到 HDFS

这 是 Hadoop 的复发机制。如果你保存你的 Pig 脚本到 HDFS 上，那么它会自动假设所有的 JAR 文件都会在你那里一样。这种机制在 Oozie 和别的工具上也出现了。这通常无关紧要，但有时，必须存储一个组织的共享库版本就很痛苦了。还有，大多数时候，你安装在不同客户端的相同 JAR，那么为什么要保存两次？这在 Pig 中被修复了。别的地方呢？

3. Oozie

Debug 并不好玩，所以文档里有很多老式的例子。当你遇到错误，可能并不是你做错了什么。可能是配置打印错误或者格式验证错误，统称“协议错误”。很大程度上，Oozie 就像 Ant 或 Maven，除了分布式的，不需要工具、有点易错。

4. 错误信息

你在开玩笑，对吧？说到错误信息。我最喜欢的是任何 Hadoop 工具说的，“失败，无错误返回，”可以翻译成“发生了什么，能找到是你的运气。”

5. Kerberos 身份认证协议

如 果你想要想出一种相对安全的 Hadoop，你就要用到 Kerberos。记住 Kerberos 和它是多么的老旧？所以你只要 LDAP，除了它 Hadoop 中的都没有被集成：没单点登录，无 SAML，无 OAuth，无证书传递(相反地，它会重新认证)。更有趣的是，Hadoop 是生态系统的每一个部分都写它自己的LDAP 支持，所以这就是矛盾的。

6. Knox 数据保护应用程序

因 为用 Java 写一个合适的 LDAP 连接器需要做至少100次才能保证正确。哎呀，看看那代码。它并不真正地有效维护好连接池。实际上，我想 Knox 就是为 Java 或者一时的热情而创造出来的。你可以通过一个写好的 Apache config,mod_proxy,mod_rewrite 做同样的事情。实际上，那是 Knox 的基础，除了在 Java 中。对于启动，在认证之后，它不传递信息给 Hive 或 WebHDFS 或你正在访问的东西，但是会启动它。

7. Hive 不会让我制作外部表格，但也不会删除它

如 果你让 Hive 来管理表格，要是你终止对表格的使用的话，它会自动将它们全部删除。如果你有一个外部表格，它就不会将它删除。为什么不能有一个“也删除外部表”的功能 呢？为什么我必须在外部删除？还有，当 Hive 特别是与 RDBMS 一起应用时，为什么不能有 Update 和 Delete 功能？

8. Namenode 失败

Oozie、Knox 和 Hadoop 的其它部分都不遵循新的 Namenode HA 资料。你可以在 Hadoop 中启用HA，只要你不使用与之相关的东西。

9. 文档

抱怨都是陈词滥调了，但是还是检查一下。37行错了——更糟糕的是，网络上的所有文章都错了。这证明没有人会费心在执行前检查一下。Oozie 文档更可怕，大多数例子对它给的格式校验都无法通过。

10. Ambari 覆盖范围

我 曾批评过Ambari，就我所知的 Hadoop 架构来说，Ambari 能够工作真是很神奇。那么，他们可能会抱怨，Ambari 的缺点到底在哪？例如，Ambari 不能安装，或者有些情况下不能正确安装，包括多种HA 设置，Knox 等等。我确定它会变得更好，但是“手动安装之后”或者“我们已经创建了一个备份脚本”，这些不应该出现在我的邮件和文档中。

11. 知识库管理

说 到Ambari，当知识正在升级的时候，你有完成过安装吗？我有过，但是它表现的并不好。实际上，有时候它找到了最快的镜像。Ambari 并不关注它下 载下来的东西是否兼容。你可以用你自己的方式配置那部分，但是它在数百个 Hadoop 节点上仍然会报说你安装有误。

12. Null 指针异常

我经常在运行过程中遇到这样的转换错误，换句话说，他们不应该在Pig、Hive 等数据查询和处理工具中被表示为 Null 指针异常。对任何相似的抱怨，都会有的答复，“欢迎补丁！”或者“嘿，我正在处理。”

Hadoop 已经出来很长时间了，它一直是我最喜欢的工具之一，但是那些令人发狂的尖锐问题也使我很生气。只是希望开发者能多用心解决这些问题。不知道你有没有相似的 Hadoop bug 可以拿出来和大家分享一下，目的是督促Hadoop能做得更好！