自从Hadoop在2008年作为Apache开源项目发布以来，它就一直让人备感兴奋，原因在于它结合了成本低、可扩展性佳以及无需构建预定义模式（predefined schema）就能灵活地处理任何数据等优点。在大数据时代，许多人寄希望于Hadoop厂商们能够开发出成熟可靠的工具、功能和技术创新，以更经济的方式、更好的性能实现数据处理和分析。拥有近20年数据集成创新经验和领导才能的Informatica，扩展了其数据集成平台以支持Hadoop，最新发布的Informatica 9.5提供了全新及扩展功能，极好的释放了Hadoop潜能，帮助客户实现大数据最大投资回报。

　　Hadoop 可帮助您实现什么？

　　Hadoop的最大价值是什么？主要包括两方面：一是Hadoop可以帮助降低大数据的成本；二是Hadoop能够真正提高大数据的价值。精益原则在大数据时代比以往任何时候都有效，并且是使大数据不成为大债务的关键。Hadoop使企业能够使用精益数据管理，以降低数据成本，这包括：业务成本、硬件成本、人工成本、软件成本、存储成本。此外，通过易访问性、可操作性、权威性、整体性、相关性、安全性、及时性、可信性等特性，Hadoop还能帮助客户增加数据的价值。

　　一些开路先锋已经投入很大精力来开发Hadoop，Hadoop取得的成功同时也促使主流市场对其稳定性、成熟的管理等更高的需求。这个群体中有影响力的主要厂商包括Cloudera、亚马逊、MapR、Hortonworks、DataStax、EMC、IBM、Informatica、微软和甲骨文等。

　　采用成熟、先进的数据集成平台释放Hadoop的潜能

　　在IT环境中，Hadoop不可能作为一个孤岛存在。为了让Hadoop可以跨越不同平台并成为一种主流技术，用户需要将Hadoop作为他们IT大环境中的一部分来管理，通过Hadoop重复使用他们的开发技巧、资产及数据，并统筹管理全部数据。Informatica 9.5 为企业带来了他们所需的交互性、生产力以及可管理性，以便快速采用Hadoop并最大化他们的大数据投资回报。

　　我们从数据处理的六大步骤说明Informatica怎样来释放Hadoop的能力。第一步，是将数据摄入到Hadoop；第二步，发现Hadoop数据的异常、关系和域类型；第三步，在 Hadoop中解析和准备数据，这对于Informatica来讲是非常独特和重要的，现在数据类型非常多，要对其进行分析，首先要解析，将其变成可以工作的结构型数据；第四步，在Hadoop中转换和清洗/标准化数据，数据一旦格式化后就可以进行转换、过滤、集成、分类等等；第五步，在Hadoop上调用自定义业务分析；第六步，从Hadoop上读取数据，目前一些大的报告工具，还不能够直接在很多平台上运行，因此需要把计算结果提取出来放到传统数据库中。当然，在一到六步的实现过程中，企业还需要管理整个过程，需要监督、监视系统发生情况。

　　Informatica 9.5已经实现了上述提到的一、三、六步的功能，而二、四、五步功能则将在年底推出的Informatica 9.5.1中实现。下面主要介绍Informatica 9.5中已实现的功能。

　　Hadoop 的数据输入和输出

　　在大数据时代，每小时要移动数十TB的交易数据、交互数据和流数据，我们希望能够提供不同的方法来提取和装载数据。Informatica PowerExchange for Hadoop可提供与HDFS和Hive适配器高性能连接，企业能够向Hadoop输送所有数据以便集成和处理大数据，通过与包括大型机、数据库及应用程序在内的所有数据（无论企业内部还是云中）的统一连接，可以轻松地以批量或实时方式在Hadoop系统中取送数据。

　　PowerExchange for Hadoop具备了易于使用和管理的开发环境，其元数据驱动方法为快速设计和开发提供了便利。该软件与Informatica PowerCenter全面集成，能够轻松地部署、排除故障和升级，图形化设计环境则使之易于在预加载和后处理阶段解析、转换及清洗数据。此外，它还能对HDFS连接以及加载时间等操作统计数据进行管理和监控。

　　在 Hadoop 上解析和准备数据

　　Informatica HParser是第一款Hadoop环境下的数据编译转换解决方案，能把任何非结构和半结构数据–诸如网络记录、社交媒体数据、通话详细记录以及其他数据格式–转换为更具结构性的格式，可以得到更快速的使用和生效，从而驱动业务发展、提高运营效率。利用Informatica HParser这一覆盖了大范围数据格式、基于引擎的解决方案，用户能大大简化并加快数据分析过程，有效避免处理过程中的风险并削减定制编译脚本的成本。

　　用于创建和维护转换的HParser可视化集成开发环境（IDE）可以加速开发过程，并提高开发者生产力。HParser还将开发中的多层次及关系转化为更为扁平、易于使用的格式，并允许业务规则进行确认。HParser支持灵活高效地处理Hadoop里面的任何文件格式，为Hadoop开发人员提供了即开即用的解析功能，以便处理复杂而多样的数据源，包括日志、文档、二进制数据或层次式数据，以及众多行业标准格式（如银行业的NACHA、支付业的SWIFT、金融数据业的FIX和保险业的ACORD）。利用HParser，开发者可以创建MapReduce中的应用逻辑及数据源之间的抽象层，该特性允许应用逻辑一经创建便可实施在多种不同数据源中，这样可以允许项目便捷地延展。利用相同的集成开发环境，设计组件可以拓展到企业的其他部分，而不仅仅限于Hadoop项目。

　　作为全球领先的企业数据集成软件提供商，Informatica一直以来都是各大厂商进军大数据领域争抢的对象，不只是因为全球近5000家企业依赖Informatica方案管理其在本地的、云中和社交网络上的信息资产，还因为它在数据方面强大的技术能力。Informatica旨在提供一款单一平台，借助统一的环境和方法，全面满足数据管理和数据集成方面的要求。