Hadoop虽然强大，但不是万能的

半只蚂蚁

　　在下面这几种场景就不适合使用Hadoop：
　　1、低延迟的数据访问
　　Hadoop并不适用于需要实时查询和低延迟的数据访问。数据库通过索引记录可以降低延迟和快速响应，这一点单纯的用Hadoop是没有办法代替的。但是如果你真的想要取代一个实时数据库，可以尝试一下HBase来实现数据库实时读写。
　　2、结构化数据
　　Hadoop不适用于结构化数据，却非常适用于半结构化和非结构化数据。Hadoop和RDBMS不同，一般采用分布式存储，因此在查询处理的时候将会面临延迟问题。
　　3、数据量并不大的时候
　　Hadoop一般适用于多大的数据量呢？答案是：TB 或者PB。当你的数据只有几十GB时，使用Hadoop是没有任何好处的。按照企业的需求有选择性的的使用Hadoop，不要盲目追随潮流。Hadoop很强大。但企业在使用Hadoop或者大数据之前，首先要明确自己的目标，再确定是否选对了工具。

　　4、大量的小文件

　　小文件指的是那些size比HDFS的block>　　5、太多的写入和文件更新
　　HDFS是采用的一些多读方式。当有太多文件更新需求，Hadoop没有办法支持。
　　6、MapReduce可能不是最好的选择
　　MapReduce是一个简单的并行编程模型。是大数据并行计算的利器，但很多的计算任务、工作及算法从本质上来说就是不适合使用MapReduce框架的。
　　如果你让数据共享在MapReduce，你可以这样做：
　　迭代：运行多个 MapReduce jobs ，前一个 MapReduce 的输出结果，作为下一个 MapReduce 的输入。
　　共享状态信息：但不要分享信息在内存中，由于每个MapReduce的工作是在单个JVM上运行。
　　原文链接：http://www.36dsj.com/archives/5926