最近在 2014 年的 Spark 峰会上发布了Hadoop 内存片内加速技术，可以为 Hadoop 应用带来内存片内计算的相关收益。
该技术包括两个单元：和 Hadoop HDFS 兼容的内存片内文件系统，以及为内存片内处理而优化的 MapReduce 实现。这两个单元对基于磁盘的 HDFS 和传统的 MapReduce 进行了扩展，为大数据处理情况提供了更好的性能。
内存片内加速技术消除了在传统 Hadoop 架构模型中与作业追踪者（job tracker）、任务追踪者（task tracker）相关的系统开销，它可以和现有的 MapReduce 应用一起工作而无需改动任何原有的 MapReduce、HDFS 和 YARN 环境的代码。
下面是 InfoQ 对 GridGain 的 CTO Nikita Ivanov 关于 Hadoop 内存片内加速技术和架构细节的访谈。
InfoQ: Hadoop 内存片内 加速技术的关键特性在于 GridGain 的 内存片内 文件系统和 内存片内 MapReduce ，你能描述一下这两个组件是如何协同工作的吗？
如何对这两种组合做一下比较，一种是内存片内 HDFS 和内存片内 MapReduce 的组合，另一种是基于磁盘的 HDFS 和传统的 MapReduce 的组合？
：你能描述一下这个在 Hadoop 内存片内加速技术背后的双模、高性能的内存片内文件系统是如何工作的？它与传统的文件系统又有何不同呢？
：如何比较 GridGain 的内存片内 MapReduce 方案和其它的一些实时流解决方案，比如 Storm 或者 Apache Spark？
：什么情况下需要使用 Hadoop 内存片内加速技术呢？
：你能谈谈 GridGain 的 Visor 和基于图形界面的文件系统分析工具吗，以及他们如何帮助监视和管理 Hadoop 工作（Hadoop jobs）的？
：后面的产品路标是怎么样的呢？
Taneja Group 也有相关报道（Memory is the Hidden Secret to Success with Big>关于被访问者
Nikita Ivanov
是 GridGain 系统公司的发起人和 CTO，GridGain 成立于 2007 年，投资者包括 RTP Ventures 和 Almaz Capital。Nikita 领导 GridGain 开发了领先的分布式内存片内数据处理技术 - 领先的 Java 内存片内计算平台，今天在全世界每 10 秒它就会启动运行一次。Nikita 有超过 20 年的软件应用开发经验，创建了 HPC 和中间件平台，并在一些创业公司和知名企业都做出过贡献，包括 Adaptec, Visa 和 BEA Systems。Nikita 也是使用 Java 技术作为服务器端开发应用的先驱者，1996 年他在为欧洲大型系统做集成工作时他就进行了相关实践。
查看参考原文： Nikita Ivanov on GridGain’s In-Memory Accelerator for Hadoop
感谢侯伯薇对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（）或者腾讯微博（）关注我们，并与我们的编辑和其他读者朋友交流。
