在云中使用Apache Hadoop，Spark和Hive的6个理由

计算为IT，开发人员和数据科学家提供了新的业务敏捷级别，同时提供了无限制的规模和无需预付硬件成本的按需付费模式。在云平台上执行数据解决（例如，Microsoft Azure和Amazon Web Services）对于希望启动分析作业，获取结果并关闭群集以便管理成本的临时用例特别有效。

1. 扩展到您的需求

从历史上看，随着企业内部分析需求的增长，出现了扩展Hadoop集群容量的需求。通常，硬件可用时间可能需要数天或者数周，限制了创新和增长。在云中使用Apache Hadoop，Spark和Hive可实现数据解决能力的实时增长。只要拨动开关，新机器就可联机并开始工作。这创立了一个快速扩展以满足不断增长的业务需求的整体数据解决处理方案

2. 降低创新成本

对于开始在云中进行大数据分析和解决的公司（例如Apache Hadoop，Apache Spark和Apache Hive），低容量投资（无需广泛管理并且没有前期硬件成本）非常正当。企业已经意识到云计算的价值，以实现快速，一次性的涉及大数据计算的使用案例，使他们能够提高业务灵活性，并通过即时访问硬件和数据解决资源取得洞察力。

3.支付你所需要的

毫无疑问，云计算对于运行临时用例非常有用，您可以在其中启动工作，取得结果并关闭它（并中止计费）。因为云具备灵活性并且可以快速扩展，因而您在使用云时只支付您使用的计算和存储。

4.使用正确的机器进行正确的工作

少量数据解决作业需要更多的计算资源，少量需要更多的内存，而另少量则需要大量的I / O带宽。借助云，您可以轻松使用正确的机器来完成正确的工作。云处理方案为最终客户提供了一种选择，即为不同类型的工作负载配置具备不同类型机器的群集。直观地说，云为管理可变资源需求的问题提供了灵活的处理方案。

5.从数据中自然生活中吸取洞见

随着企业越来越多地开始使用越来越多的设施，从这些设施生成的数据开始存在于云中。随着分析技术在数据（通常是大量数据）上蓬勃发展，大数据分析解决平台在数据中存在于云中是非常有意义的。

6.简化您的操作

使用云，可以提供具备各种特征和配置的不同类型的集群，每个集群都适用于特定的一组作业。这使IT管理员无需为多租户环境管理多个集群或者错综复杂的策略。