我一直在研究BigData在過去幾個月，並開始做我的第一個五年計劃，這是分析BigData使用MapReduce和HDInsight在Windows Azure。BigData解決方案之間的比較。
我剛來到這個特別的地方混亂，這平臺可以更好地做BigData分析在成本，性能，穩定性等方面，如Amazon，Oracle，IBM等這個問題可能是過於寬泛，但我只是想要得到與Azure HDInsight相比可以區分的基本概念。
簡而言之，HDInsight vs Other BigData Solutions爲BigData分析。任何幫助，將不勝感激。
我認爲此圖表已過時。有兩件事情很快就跳出來了：Hortonworks可以輕鬆處理流數據的提取並支持滾動升級。它也可以在Azure上運行，在這裏OP已經做了一些工作。 – MondayMonkey 2016-03-25 19:27:36
是的，我讀得越多，我可以告訴這是來自MapR。它偏向於他們的產品。 – MondayMonkey 2016-03-25 19:29:02
一個重要的細節查找有關Microsoft分佈基準的比較是，它不僅是平臺。我同意重要的是要理解你的選擇，但謙虛，我建議你考慮你的（和你的團隊的）技能。
一個平臺可能比另一個平臺更好，但如果您從頭開始，那麼您可能無法實現時間軸，預算甚至完全失敗的目標。
結合操作和分析技術 - 使用Hadoop
等新技術的NoSQL，MPP數據庫和Hadoophave出現，以解決大數據的挑戰，實現新類型的產品和服務，由業務交付。
公司利用這兩種系統功能的最常見方式之一是將諸如MongoDB的NoSQL數據庫與Hadoop集成。這種連接可以通過現有的API輕鬆完成，並且允許分析師和數據科學家在保持NoSQL數據庫的效率和易用性的同時，執行復雜的追溯性查詢以進行大數據分析和洞察。 NoSQL，MPP數據庫和Hadoop是互補的：應該使用NoSQL系統來捕獲大數據並向用戶提供操作智能，MPP數據庫和Hadoop應該被用來爲分析師和數據科學家提供分析洞察力。 NoSQL，MPP數據庫和Hadoop一起使企業能夠利用大數據。
據我所知，每個雲服務提供商都有他們的積極和消極。 我對谷歌雲有很好的瞭解。所以，我試圖比較w.r.t.谷歌雲。 下面是兩個鏈接，它們提供了有關谷歌雲的產品映射。
https://cloud.google.com/free/docs/map-azure-google-cloud-platform https://cloud.google.com/free/docs/map-aws-google-cloud-platform
例如，Azure的HDInsight地圖與谷歌雲Dataproc和谷歌雲數據流。在這裏使用Dataproc，我們可以運行Hadoop Mapreduce作業。數據流我們可以用於批處理和流數據處理。
在AWS中，Azure HDInsight使用Amazon Elastic MapReduce（EMR）映射。
根據CPU類型，核心數量和存儲選項，每個服務提供商有不同的定價機制。在谷歌雲中，我們有可搶佔實例的選項，這些實例的成本非常便宜，但我們只能在短期內使用它們。 （最多24小時）。
您可以從下面的鏈接比較定價：
https://cloud.google.com/dataproc/pricing
https://cloud.google.com/dataflow/pricing
https://aws.amazon.com/emr/pricing/
有市場的工具來比較不同的雲服務： https://github.com/GoogleCloudPlatform/PerfKitBenchmarker
大數據是一個大問題，有多種數據庫可供選擇。每個供應商的產品都有自己的特色和優勢。關於你應該使用什麼，根本沒有單一的答案。另外：您的問題問HDInsight，這是一個Hadoop服務（用於處理數據）。其他解決方案針對攝取數據或檢索數據進行了優化。再次，沒有單一的正確答案你如何選擇。所以...這個問題不適合StackOverflow。 – 2015-02-24 14:31:43
@DavidMakogon也許我可以用錯誤的方式提出問題，但是，你是對的！因爲我沒有意識到其他BigData解決方案，所以我有點卡住了。是的，正如你所說的，這太寬泛無法回答，但每個小技巧都會很棒！謝謝 – Kulasangar 2015-02-24 15:23:30
大數據是一個很大的話題，涵蓋了很多不同的領域。你應該更多地瞭解你想要達到的目標，並圍繞你的問題制定你的問題。在某些情況下，您可能會發現您的問題實際上不符合「大數據」的要求 – datasage 2015-02-24 17:18:36