Buscando revisión general sobre Hadoop

Question

estoy en busca de alguna revisión del desempeño de Hadoop (300-600 cajas de racimo, hardware comercial), especialmente en los siguientes aspectos:

1. alta concurrente leer & escritura
2. Web arrastrándose
3. MapReduce, computación paralela
4. índice invertido

Answer 1

Esto no es tan pregunta específica, tal vez por eso nadie respondió hasta ahora. El rendimiento en el clúster de 3 a 600 nodos se puede analizar mejor con puntos de referencia.

Sin embargo, he encontrado algunos artículos muy interesantes sobre Hadoop y su implementación en la producción:

• Hadoop Architecture and its Usage at Facebook
• How Rackspace Now Uses MapReduce And Hadoop To Query Terabytes Of Data
• Algunos puntos de referencia se encuentran en el artículo Hadoop Sorts a Petabyte in 16.25 Hours and a Terabyte in 62 Seconds
• Además, una muy interesante blog related to Hadoop
• Otro artículo relacionado con facebook y hadoop es Hive - A Petabyte Scale Data Warehouse using Hadoop

Espero que esos enlaces lo ayuden a comenzar y le brinden toda la información que necesita.