2. Hadoop雖然強大，但不是萬能的

Hadoop很強大，但企業在使用Hadoop或者大數據之前，首先要明確自己的目標，再確定是否選對了工具，畢竟Hadoop不是萬能的！本文中列舉了幾種不適合使用Hadoop的場景。包括： 低延遲的數據訪問、結構化數據、數據量并不大的時候、大量的小文件、太多的寫入和文件更新、MapReduce 可能不是最好的選擇。

3. 簡單10招，讓你的云計算事業錦上添花

現在各行各業的競爭越來越激烈，云計算和IT領域尤其如此。要想在云計算和IT領域立足或者出人頭地，必須在具備扎實的專業知識的基礎上，不斷學習其它相關知識。DataCenterKnowledge網站的Bill Kleyman給我們分享了幾個簡單的方法，來提升我們的云計算和IT技能。

 

要想在云領域和IT領域成為成功人士，你首先要完善你已有的專業技能，除此之外，下面的10種方法可能會幫到你：關注社會，并獲得別人的關注、學習新的技術、學習商業語言、設想自己是架構師――統籌全局、了解團隊和組織動態、將業務和市場轉化為真正的IT解決方案、不要害怕說出來、網絡、網絡和還是網絡、考慮“數據中心”以外的東西、永不自滿。

4. 走進支撐過8億用戶的Yahoo!數據中心

Yahoo!是一家全球知名的互聯網公司，擁有過8億的活躍用戶，提供了60多個全球化產品，分別部署在20多個國家或地區的數十萬臺服務器之上，然而雅虎全球的運維團隊卻僅有數百人。雅虎北京全球研發中心高級系統運維工程師劉元從三個方面來闡述雅虎的技術運維體系，剖析超大規模網絡應用的運維挑戰，走進Yahoo!數據中心！

基礎設施：“工欲善其事，必先利其器”――需要支撐超大規模的網絡應用，超大規模的全球基礎設施是必不可少的。所以我們先看Yahoo!數據中心和全球的骨干網絡有哪些特別的設計和考慮，來幫支撐超大規模的互聯網應用。

技術生態圈：有了世界頂尖的硬件環境，軟件環境也不可少。博文著重介紹下Yahoo!的技術生態圈，看看Yahoo!使用了哪些產品和技術來支持大規模網絡應用。

運維團隊：前面的兩條分別是硬件和軟件環境，除了一流的硬件和完備的軟件環境，能夠實現高可用性大規模應用的核心，還是人。所以在最后，他給大家介紹了雅虎的全球運維團隊是如何工作的。

5. 更快、更強――解析Hadoop新一代MapReduce框架Yarn

對于業界的大數據存儲及分布式處理系統來說，Hadoop 是耳熟能詳的卓越開源分布式文件存儲及處理框架，隨著需求的發展，Yarn 框架浮出水面，讀者通過本文中新舊 Hadoop MapReduce 框架的對比，更能深刻理解新的 yarn 框架的技術原理和設計思想。 博文首先介紹了原MapReduce框架的不足：

 

然后重點介紹了Yarn架構：Yarn/MRv2最基本的想法是將原JobTracker主要的資源管理和job調度/監視功能分開作為兩個單獨的守護進程。有一個全局的ResourceManager(RM)和每個Application有一個ApplicationMaster（AM），Application相當于map-reduce job或者DAG jobs。

ResourceManager和NodeManager（NM）組成了基本的數據計算框架。ResourceManager協調集群的資源利用，任何client或者運行著的applicatitonMaster 想要運行job或者task都得向RM申請一定的資源。ApplicatonMaster是一個框架特殊的庫，對于MapReduce框架而言有它自己的AM實現，用戶也可以實現自己的AM，在運行的時候，AM會與NM一起來啟動和監視tasks。

6. 圍觀龍虎斗：谷歌GCE vs. 亞馬遜AWS，要做9件事

真正被AWS看在眼中的勁敵是GCE，GigaOm的Barb Darrow先是撰寫了一篇很有意思的文章《 8 things Google Cloud could do to freak Amazon out》，后又補充了《 What I missed in the Google vs. Amazon cloud debate ― fiber!》。這9點，也許就是谷歌GCE追趕亞馬遜AWS要做的9件事，自然也是AWS防御的薄弱區。

這九點包括：發布保留實例 、 推出更多的托管服務、利用搜索、 提供更多不同類型的實例、 增添更多的區域、 提供虛擬機鏡像導入/導出功能、 發揮光纖優勢、 多宣傳GCE技術領軍人物、 加強執行力。

7. HBase寫數據過程

Hadoop已成為當下最流行的對數據挖掘處理平臺，同時，在YARN出現后，其生態圈也愈加繁榮；然而，Hadoop原生數據庫HBase卻因眾多問題飽受詬病，比如部署難、以Java為中心等工程問題，以及故障轉移、面向主從設計的架構問題，這直接導致了HBase人氣甚至不如同為列存儲類型的Cassandra。幸運的是，在我們之前有很多先行者對Hadoop進入了深入的研究，本次即為大家帶來@無塵道長 的心得，博文從從client和server兩個方面探討HBase的寫數據過程。

8. 汽車巨人福特讓“數據”說話

福特數據科學負責人Michael Cavaretta是負責整理公司所有數據的數據分析師之一，這次他從通過數據了解汽車設計、考慮價值，而不僅僅是成本、追求新技術也要適可而止，有時候也要重視效益、不用崇拜數據科學家方面給大家介紹福特是如何讓“數據”說話的。

Michael Cavaretta

進入20世紀后，福特經歷一系列打擊，面臨絕境，福特轉變傳統思維尋求數據專家幫助，如今數據分析已經深入福特的企業文化，數據幫助福特了解用戶需求、優化汽車設計、解決業務問題......“大數據”對福特公司有著很重要的意義，現在的福特就像是由無數個0和1構成。有關于汽車的數據，有關于這家世界五百強公司戰略的數據，甚至還有關于客戶如何看待福特公司這樣的數據。

9. Hortonworks聯手Red Hat，構建更強大的Hadoop

Red Hat和Hortonworks將合作整合大量的技術，Hortonworks看重Red Hat一直是開源社區的頂級貢獻人，有良好的企業形象和銷售渠道，而Red Hat要進一步的發展也需要有Hadoop的支持，雙方可謂各取所需。新伙伴關系下的整個產品列表：

• Red Hat 存儲
• Red Hat企業級Linux和OpenJDK平臺
• Red Hat企業級Linux OpenStack平臺
• Red Hat JBoss 數據虛擬化

                    

Hortonworks的首席執行官Rob Bearden 

Hortonworks還喊出了開源口號，想要與Red Hat和微軟這樣更大的平臺供應商建立更深的聯系，而MapR仍然努力想讓自己的產品脫穎而出。Cloudera積極嘗試 丟掉Hadoop供應商的標簽，作為提供全方位數據管理的企業，從Teradata甚至IBM這樣的公司搶走客戶。

10. 在AWS上使用GPU實現分布式神經網絡

Netflix最近承認正在開發新的技術開展人工智能領域的應用，著眼深度學習可以讓Netflix的電影推薦更準確，但是深度學習領域還有很多技術難題未被解決，Netflix技術博客網站的Alex chen等人結合自身實踐，從分布式機器學習的層次、優化CUDA Kernel、PCI 配置空間和虛擬環境、G2 實例、分布式貝葉斯hyperparameter優化等方面分享了在AWS上實現分布式人工智能網絡的經驗。

最后作者總結道：如果你需要在自己定制的基礎設施上實現它、成本和復雜性將難以想象的。利用AWS有明顯的好處，在實例的定制和使用資源時會有一定的支持。我們希望通過分享我們的經驗來讓別人更方便開發類似應用程序。

11-15. 其它云計算熱點資訊還有大數據時代，看“小數據”如何支持決策、Hadoop Namenode以regular方式啟動代碼流程分析、詳解并行邏輯回歸、為Hadoop存儲層增加對OpenStack Swift的支持、追本溯源 解析“大數據生態環境”發展現狀，請繼續關注CSDN云計算頻道。（文/魏偉）