【摘 要】当Hadoop进入企业，必须面对一个问题，那就是怎样解决和应对传统并成熟的IT信息架构。以往MapReduce主要用来解决日志文件分析、互联网点击流、互联网索引、机器学习、金融分析、科学模拟、影像存储、矩阵计算等非结构化数据。但在企业内部，如何处理原有的结构化数据是企业进入大数据领域所面对的难题。企业需要既能处理非结构化数据，又能处理结构化数据的大数据技术。
在大数据时代，Hadoop主要用来处理非结构化数据，而如何处理传统IOE架构的结构化数据则成为企业面临的一个难题。在此背景下，既能处理结构化数据又能处理非结构化数据的SQL> 
图1、Hadapt
DB on Top 方式是业内同事解决结构化与非结构化数据的最初尝试，最早由Hadapt公司在2010年提出，也就绪了能够跑在Amazon EMR上的社区版。但是，其本质是数据在两种计算框架中分别存放，如图1所示，结构化数据存储于高性能关系型数据引擎（High-Performance Relational Engine for Structured Data）,非结构化数据存储于Hadoop分布文件系统（Hadoop Distributed File System for Unstructured Data），对两种类型的数据交互依靠查询的切片执行，元数据的组织控制必然是系统扩展演变中的过度技术。