
本書の内容
ix
はじめに
2013 年の時点では、全 世界で 4.4 ゼタバイトのデータが生み出されていると推定されていました。す
なわち、440 万テラバイトです! 2020 年までには、私たちは(人類全体として)その 10 倍のデータを
生み出すものと考えられています。文字通り1 秒ごとに大きくなっていくデータと、その様子を把握し
たいという要求が高まっていることを踏まえ、2004 年にGoogleの社員である Jeffrey DeanとSanjay
Ghemawat は先駆的な論文となった MapReduce: Simplified Data Processing on Large Clustersを発
表しました。それ以来、その概念を活用する技術はきわめて急速に発展し、まずは Apache Hadoopが
最も広く使われるようになりました。最終的には、Hadoop はPig、Hive、Mahoutといった抽象化レイ
ヤーを含む Hadoop エコシステムを作り出しました。これらはすべて、シンプルな mapとreduceという
概念を活用するものです。
しかしながら、日々ペタバイトに及ぶデータを処理することができるとはいえ、MapReduceはきわ
めて制約の強いプログラミングフレームワークです。また、ほとんどのタスクにおいてディスクの読
み書きが必要になります。こうした欠点を理解した Matei Zahariaは、2009 年に博士号の研究の一部
として Sparkに取り組み始めました。