Facebook为何选择云计算开源Hadoop

前段时间Facebook的新版消息系统发布，Facebook对HBase的成功使用也使得很多的HBase案例得以出现，下文是Facebook的Hadoop工程师Dhruba Borthakur发表的Hadoop系列文章中的一篇，对Facebook选择Hadoop和HBase的原因做了一个说明。

　　Dhruba Borthakur首先总结了Hadoop和HBase的优势。他认为HBase横向扩展性强。对Facebook这种少量数据存储场景来说，扩容几乎是家常便饭，HBase能够使数据扩容非常容易。并且支持很高的写吞吐。Facebook的消息数据很庞大，每天的写量也很大。同时在同一个数据中心，能够保证有较强的一致性。Facebook用HBase来存储消息数据，业务上需要一个能够保证一致性的数据存储（这也是Facebook并没有采用Cassandra的原因之一）。HBase还具有良好的随机读性能。消息系统的业务逻辑导致会有很多穿透缓存层的随机读操作。

　　由于数据量大，分布的机器也可能很多，出故障或者进行一些日常升级工作会比较频繁。所以高可用性和故障可恢复性也显得极其重要。错误隔离性是指一个结点的错误不会影响到其它结点，磁盘故障只会对相应的小规模的数据产生影响。同时提供原子性的read-modify-write操作。原子性的increment或者对比后修改的操作，对很多业务上的处理非常方便。最后提供获取某个范围的数据的功能。比如像获取某人最近100条消息这样的功能，在消息系统里也是很常见的需求。

　　当然，下面几个Hadoop和HBase不太擅长的方面也值得一说。首先是同一个数据中心网络割裂下的容灾性。同一个数据中心的网络出现问题了，导致各结点之间无法正常沟通，这种情况通常可以通过配置一些备用的网络设备来避免。其次某个数据中心故障不会影响服务。这个情况更是少之又少。最后在多个数据中心间的实时数据交换。这个不太现实，通常这一点是用Cache层来实现用户对无端数据的实时访问的。