起初我對養這隻大象原因並不曉得，只知道很多人對這頭大象很有興趣，但是起初真正有養大象養得健康又漂亮的沒有很多，接著陸陸續續越來愈多人養了這頭大象，他們的原因都不謀而同，就是---
Big Data
正如前面所說，近年來最火紅的話題就是Big Data，但是一般來說要處理大量的資料並且做即時的運算，勢必需要付出龐大的成本，不管是硬體還是商用軟體，對企業來說都是不小的支出。
選用黃色大象，在成本上相對來說低廉，但是企業仍然需要付出照料大象的人力與學習成本。

那為什麼企業需要開始處理大量資料？
因為有個夢想，就是希望能從資料中找出黃金來。

就如同現在八成資訊相關的碩論開頭一樣，網際網路巴拉巴拉巴拉的發展，數據量越來越大，而且資料的格式也越來越多，一般而言大資料的特性，已經有專業的人士定義為幾個V。
分別是：
1.Volume 大量
2.Velocity 高速
3.Variety 多變
(不過我好像在某個場合有聽到4個還5個V..)
1.Volume 大量
光是第一個大量，對於企業來說要處理就非常麻煩，基本上Big Data中 GB 大概就代表個人電腦KB的感覺...，處理資料至少在TB以上才比較可以稱為Big Data。過去如果要存放那麼多資料，你可能只能在單一機器上，進行垂直的升級，也就是一直買硬碟或是換更大的硬碟在同台主機上，但是透過Hadoop的概念，你可以水平擴充，使用較低廉或是舊的主機，進行分散式的儲存。
2.Velocity 高速
而從速度的角度來看，當資料若只從一個硬碟來讀取的時候，如果要提升速度，就要買更高規格的硬碟，例如我100GB的資料，若要在五秒鐘讀取完100GB，每秒至少要20GB運算。若是我分在五顆硬碟進行讀取，每顆讀20GB的話，我只要一秒就可以把100GB資料讀取完畢。
3.Variety 多變
而大象在處理非結構資料的部分，這塊老實說我不太熟悉，不過通常我都會請Pig把我的資料進行結構化，然後再配合其他像是hive的工具幫我取出我要的結果。但是在許多研討會上，是有聽過使用hadoop做影像或聲紋辨識，感覺也蠻酷了。

我認為大象讓許多學術的研究像是資料探勘或是語意分析、推薦，統計等的東西，可以更貼近一般企業，過去可能要依賴較昂貴的解決方案，但現在有許多open source的專案可以拿來使用，MapReduce讓分散式運算的架構，更容易使用(其實M/R還是有點麻煩啦...但至少不用自己撰寫MPP )
總而言之，就是資料太多，運算不夠快，我要便宜的解決方案。

便宜除了考量軟體成本外，也要考慮學習成本，不同品種的大象，
獵取的過程中也有點差異，簡單介紹不同的大象品種。

大象的品種
而大象的品種就我所知，有三個品種，不過我只養過第一種和第二種，
如果不想要花太多時間，了解大象身體阿，或是怎麼建造居住的環境，其實選第二種蠻方面了。
第一個是野生的Apache大象
這個從昨天所提到的apache官網就可以取得http://hadoop.apache.org/
我從0.20.x系列開始養，因為要幫他把屎把尿，不自覺中linux也越玩越熟悉了XD

第二個是Cloudera大象
http://www.cloudera.com/
目前這隻在教育訓練的推動蠻積極了，我原本也是訓養野生的大象，不過版本有分支過，
最後為了HA，選擇使用Clordera的大象，後來也認識他的好朋友羚羊姊姊。
Cloudera把hadoop的安裝佈署變得非常容易，大推!

第三個是Hortonworks大象
http://hortonworks.com/
這個我就比較不熟悉了，不過他跟cloudera應該算有點競爭關係，
剛好Google到一篇文章，有興趣的讀者可以瞧瞧http://wikibon.org/wiki/v/The_Hadoop_Wars:_Cloudera_and_Hortonworks%E2%80%99_Death_Match_for_Mindshare

接下來會考驗我的記憶，若是我還記得怎麼訓養野生的大象，我就會用訓養野生的大象為例。
不然就會直接拿cloudera已經訓好的大象，來為各位介紹
明天就要開始教各位怎麼騎大象啦 哈