昨天上半場的部分，我整理完筆記會再補完，下半場跟去年一樣，
分為開發者、營運者與應用案例。
圖片來源:http://www.hadoopintaiwan.com/

我的議程選擇為：
A.Approaching real-time: things you can do before going Impala
C.Apache Mahout 於電子商務的應用
B.Real-time Big Data Analytics Engine using Impala
A.Real-time Big Data Processing with Storm: Using Twitter Streaming as Example
主要是挑選之前自己有玩過或是有感興趣的主題，所以不一定都是聽同類型的場次。
Approaching real-time: things you can do before going Impala / 即時運算: 採用 Impala 之前你能做的事
這一場由(Chris Huang / 趨勢科技)所分享的內容其實沒有講到Impala，並且也提到Impala並不是一個銀彈，能解決所有Realtime會遇到的問題，我覺得講得非常好，因為我自己也有再用Impala，有些問題可以用Impala來解決，但是Realtime會遇到的問題其實不僅僅如此。
講者提到其實大部分的Realtime解決方案，HBase可以解決20%、SolrCloud(60%)最後可靠Streaming解決20%的問題。
還要把計算的data分為batch與delta，其實在短時間內的查詢，其實針對Delta Data做特別的處理就好，不一定都要跑MapReduce。
也提到solr針對delta data 可以做動態的indexing，Streaming則可以使用storm-YARN。
Apache Mahout 於電子商務的應用
講者已經有把投影片釋出了，所以可以Google看看摟~
不過ETU真的是不藏私，整個從使用者行為的擷取，把Log存到HDFS，再透過Mahout Job根據使用者和商品算出所有喜好度，從HDFS取出後計算存回Hbase，如果要做推薦排序，會再啟動一個MR Job讀取Hbase的資料，將排序結果寫回去。
最後透過AP的API讀取Hbase資料，及時回傳推薦結果。
ETU還有提供他們運算的Table...真的是太揪心了..
接著提到這個推薦的Cluster如何跟現有系統做一個結合，還有做轉化率分析。

Real-time Big Data Analytics Engine using Impala
<待補>
Real-time Big Data Processing with Storm: Using Twitter Streaming as Example
<待補>

我先來去幫閃光慶生...晚點會補上XD