有人说“大数据不是Hadoop;Hadoop也不代表大数据”，不知说的人什么目的，但在我看来，如今业内对大数据认知尚不深刻的情况下，过多纠缠于概念无助于大数据应用。在我看来，如果强调“Hadoop就是大数据”利多弊少。
有关大数据，“奥巴马连任总统和大数据、2009年谷歌在甲型H1N1流感爆发前几周成功预测，公共卫生部门震惊、美国折扣店零售商塔吉特与怀孕预测、UPS快递最佳行车路线和汽车修理预测、亚马逊大数据书评推荐下调战胜专家团……”这样几个案例耳熟能详，管中窥豹，我们可以大数据应用的价值，但我们的盲点在于不知道它们是如何做的，大数据应用是如何实现的。
从这个意义上说，了解Hadoop就非常有意义。它可以帮助我们了解什么是大数据，以及如何进行大数据的应用。Hadoop，分布式数据库，仅从字面上还是很难了解其作用和价值。对此不妨看一个简单的实例，看看搜索引擎是如何进行大数据应用的。首先，搜索引擎通过网络爬虫自动获取网页内容，按照一定算法对内容建立索引，这些索引和原始的数据用Hadoop存储起来，并根据规则制作副本(通常是3副本)。当用户发起检索需求，搜索引擎就将Map为多个并行操作，对Hadoop数据库中的索引进行检索，其结果经过Reduce，聚合为一个结果，提交给发起请求的终端。这就是搜索引擎大致一个工作过程。
我们很少把搜索引擎称为大数据应用，但它确实是一个典型的大数据应用。其中的关键在于应用Hadoop，用相对廉价的X86服务器，对海量低价值密度的非结构化数据进行存储和处理。 从横向扩展性来看，其存储和处理能力接近无限，只需要不断添加服务器就可以了。至于存储，可以依赖服务器自带的磁盘，也可以理解用磁盘阵列。从Hadoop的角度，采用多副本的策略，数据可靠性已经有所保证，如此也大大降低了对RAID、快照、复制/备份技术的依赖和要求，进一步降低了成本。
所以，把大数据理解Hadoop没有什么不好，至少我们知道了分布式组织和存储数据、多副本、NFS、Map/Reduce，这很好，至少我们不会为BI、ETL与大数据应用的关系而纠结，两者各有适合应用的场景，虽有交叉，但更多是相互补充。
应该承认，没有Hadoop+X86服务器这种廉价的手段，就不会有大数据应用。正是因为有了这种廉价的手段，我们才能够对海量的非结构化数据的全局进行分析。而在著名的《大数据时代》一书中，特别强到“不是随机抽样，而是全体数据”，这是大数据应用的核心特征，对全体数据进行分析的结果，会让我们迅速了解事情的结果。至于所采用的手段，叫不叫Hadoop、NFS、Map/Reduce，这并不知道，但核心思路和思想一定会延续，从这个意义上，将Hadoop称为大数据应用又有什么不可以呢?!至少我是这么看的。
