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：相對較小的資料量；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，更多的記憶體，但即使這樣也不能滿足

（2）分散式系統

  1. 更好的方案：使用更多的機器來處理單個作業

  2. 分散式系統遇到的問題：程式設計的複雜性（用來管理和處理資料的程式很複雜）；有限的頻寬

  3.資料瓶頸：傳統系統中，資料儲存在中央儲存；資料在執行時拷貝到處理器；適合限量的資料

 然而，現代系統有很多資料，我們需要尋求新的方法來處理這些資料：Hadoop就應運而生，引入了一個徹底的新方法就是分散式計算，當資料儲存時分佈資料，而且在資料所在的位置執行計算。

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. 實現雲端計算的事實標準開源軟體

5.包含數十個具有強大生命力的子專案

6.已經能在上萬節點上執行，處理資料量和排序時間不斷打破世界紀錄

（2）  Hadoop核心設計

1.當資料載入的時候分片成塊

2.Map任務通常作用於單個塊

3.Master程式管理任務

（3）  Hadoop核心概念

1.應用通過高階語言程式碼來寫

2.節點之間儘可能少的通訊

3.資料提前分散式儲存

4.把計算放到資料所在節點執行

5.資料通過多副本儲存來提供可靠性和高可用性

6.Hadoop是可擴充套件並且容錯的

三．Hadoop適用背景

（1）大資料的處理模式：

 主要的處理模式可以分為流處理（stream processing）和批處理（batch processing）：批處理是先儲存後處理（store-process）；流處理則是直接處理（straight-through process）

 （2）你可以用Hadoop做什麼？

（3）資料從哪裡來？

1.科學

醫療影像，感測器資料，基因測序，天氣資料，衛星

2.工業

金融，製藥，製造業，保險，網遊，能源，零售資料

3.資產

銷售資料，客戶行為，產品資料庫，賬戶資料等

4.系統資料

日誌檔案，健康和狀態，活動資訊流，網路訊息，web分析，入侵檢測和垃圾郵件過濾

（4）常見的Hadoop分析型別

ETL;文字挖掘;索引構建;圖建立和分析；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；近線性的擴充套件性

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資料的同學來說，這是一個很好的開端；平常大家可以多關注一些大資料的資訊，多看一些大資料相關的書籍，我平常喜歡關注如大資料cn這些微信公眾號，裡面對於大資料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。