Hadoop 以及它的生态圈，从开始到现在也已经有差不多十年历史了。Hadoop 从雅虎支持的一个开源项目，到由很多项目组成的 Hadoop 生态圈，以及依靠 Hadoop 发行版开展商业活动的三大公司 Cloudera、Hortonworks 以及 MapR，其发展不可谓不迅猛。

我在前面重点介绍了 Hadoop 的三大发行商，希望通过对其历史、技术和商业模式等各方面的介绍，让你对 Hadoop 当前的商业化状况有了一定的了解。

那么十年之后，整个生态圈又发生了哪些变化，Hadoop 发行商们的未来又会是怎样呢？本文就来探讨这方面的问题。

Hadoop 诞生的原因有很多，但是最重要的一条是除去谷歌，硅谷的其他互联网公司们每一个单拎出来，其研发能力都有限，不太可能构建出谷歌那样的大数据架构。而互联网业务的发展决定了这一套大数据架构是不可或缺的，所以这些“兄弟们”以雅虎和 Facebook 为首，开始抱团取暖，在 Hadoop 这个开源产品下，逐渐构建出了整个生态体系。

因此，这个生态体系最初的服务对象也是这些互联网公司。互联网公司的研发能力都很强，可以自己定制系统，所以 Hadoop 生态圈的发展，在很长一段时间里都不够稳定。而传统的非 IT 企业，则不愿意使用 Hadoop。

这种情况随着 Cloudera、MapR 和 Hortonworks 的加入，有了很大的改善。这些 Hadoop 发行商提供的版本，不但是 Hadoop 的稳定版本，而且加入了很多帮助传统企业使用 Hadoop 的工具。这些厂商成了 Hadoop 生态圈里的另外一批受益者。

但是它们都算不上 Hadoop 生态圈里最大的受益者，从实际情况来看，亚马逊这个全球最大的云计算厂商才是。这里面有两方面原因。

首先，亚马逊自己的研发能力也不足以开发出一套大数据分析生态系统，但是它同样需要类似 Hadoop 的大数据分析平台，所以亚马逊内部就需要使用 Hadoop。这样一来，亚马逊就需要研究怎么在自己内部部署 Hadoop 系统。

其次，亚马逊又是全球最大的云计算厂商，其所有云计算服务对内对外的接口完全一样，因此通过在亚马逊实现 Hadoop 的自动运行，除了服务亚马逊，更可以提供服务给外部使用，这就是 Elastic MapReduce 服务。这不仅让各大企业省去了购买机器集群和管理机器集群的负担，而且让亚马逊卖出了更多的云服务。这种“一鱼两吃”的做法，让亚马逊迅速做大了自己的圈子。

与之相反，其他两个云厂商——微软和谷歌，一开始都不是 Hadoop 生态圈的，它们都研发了自己的大数据处理平台，供内部使用，因此对于让 Hadoop 在云端运行起来没有那么大兴趣。等到它们发现，原来亚马逊已经靠云卖 Hadoop 赚了很多钱，多少有些为时已晚。

亚马逊的 Hadoop 云端服务，同时摊薄了谷歌和微软这样的云厂商，以及 Cloudera、MapR 和 Hortonworks 这些 Hadoop 发行商的盈利空间。

Cloudera 意识到了亚马逊模式的威胁，在 2016 年曾经试图和英特尔沟通，让其投资 Cloudera 做云上的 Hadoop 服务，以便和亚马逊竞争。

然而，可能英特尔同时也是亚马逊的大主顾，亚马逊数据中心需要大量采购英特尔的硬件，又或者是英特尔自己并不想全面进入云计算这个领域，总之 Cloudera 没有获得足够的资金，这个计划就搁浅了。之后因为盈利不佳，融资不易，它只能自砍估值一半，流血上市。

在这次战争里，亚马逊笑到了最后，还有另外一个原因。亚马逊推出来的存储服务 S3 历史悠久，非常稳定，而 Hadoop 本身的文件系统 HDFS 则比较糟糕、效率很低。在亚马逊实现 Elastic MapReduce 的时候，对文件系统的处理，并非是基于 HDFS 的，而是把自己的 S3 作为存储系统，在上面实现了 HDFS 的接口而已。

面对一个非常稳定的文件系统，有无数的大小企业又都把自己的数据存在这个文件系统上，Elastic MapReduce 相比原生 Hadoop 系统表现出了更高的效率、更好的性能，自然更受欢迎。加上亚马逊出了名的控制成本、定价便宜，其他 Hadoop 厂商要想在亚马逊的进攻下赚到钱，就比较艰难了。

微软的转型相对快一些。HDInsight 就是微软的 Hadoop 云产品。它的文件系统也不再是简单的复用 HDFS，而是在 Windows Azure 的存储上实现了 HDFS 的接口而已。

经过十年的发展，Hadoop 所有在云上的版本，基本上都只是实现了 HDFS 的接口，却不用 HDFS 的完整实现，这是目前很多人觉得 HDFS 已死的原因。

另外，Hadoop 早年实现的数据处理框架 MapReduce，如今在整个生态圈里也被 DataBricks 主导的 Spark 打败，Spark 已经成为通行的标准了。从这个角度来看，当年雅虎推出的那个 Hadoop，经过这么多年的演变，很多东西都已经空心化，被新的技术取代了，留下来的只是接口。

数据处理框架的影响，从目前来看，比文件系统演变的影响要小。有一点很重要，就是亚马逊的 Elastic MapReduce 虽然取了这个名字，但其服务其实是提供了一个虚拟的 Hadoop 集群。既然是 Hadoop 集群，那么不跑 MapReduce，而是跑 Spark 本身也不是问题。所以说名字可以欺骗人，但是数据处理框架的改变，一点都不影响亚马逊赚钱。

Hadoop 三大发行商的空间，这些年里越来越被云厂商提供的 Hadoop 服务给占领了，所以它们的日子都不太好过。现在云厂商占领不了的那些，更多是不想上云，或者还没上云的传统企业。这些企业基于各种考虑，或者是数据安全的问题，或者是自身的 IT 能力比较弱，所以会选择三大发型商之一的版本。

在这三个版本里，HDFS 被重写的 MapR 版本其文件系统相对稳定，性能更好；而其他两家的版本则基于老的 HDFS。整体上看，MapR 的版本在存储层可以提供更多的企业级特性，但是要确保和 Hadoop 生态圈的其他产品兼容却不太容易；Cloudera 家大业大，目前可能拥有了最优质的线下客户资源；而 Hortonworks 暂时看不到任何优势。

在我看来，企业上云是必然趋势。但 Cloudera 和 MapR 需要新的盈利增长点，才能抵消企业上云带来的损失，否则长久来看，还是会逐渐走下坡路。而 Hortonworks 从技术和非技术的各方面表现来看，与竞争对手的差距很遥远，恐怕不出时日，日子就会不好过了。