——大数据渗透到各个行业领域，逐渐成为一种生产要素发挥着重要作用，成为未来竞争的制高点。
在大数据时代下，信息和数据的分析处理都会变得比以前更加繁杂，管理起来也更加麻烦。大数据发展仍旧面临着众多问题，最受大众关注的就是安全与隐私问题——大数据在收集、存储和使用的过程中，都面临着一定的安全风险，一旦大数据产生隐私泄露的情况，会对用户的安全性造成严重威胁。
对大数据以及人工智能概念都是模糊不清的，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系 。从java和linux入手，其后逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相关知识一一分享！
Hadoop是什么?
Hadoop是一个开发和运行处理大规模数据的软件平台，是Apache的一个用java语言实现开源软件框架，实现在大量计算机组成的集群中对海量数据进行分布式计算，是目前市场上最受欢迎的一种大数据解决方案之一。
(Hadoop架构业务及审计逻辑)
Hadoop 由许多元素构成，其核心是分布式文件系统(HDFS)和MapReduce 引擎，并涵盖众多提供Hadoop应用的子项目，如：数据仓库工具(HIVE)、NOSQL数据库(HBASE)、大数据分析平台(PIG，为用户提供多种接口)等以及众多的编程接口。
Hadoop架构下数据库的审计难在哪里?
为了满足Hadoop架构下各种应用需求，引入了数据库仓库工具(HIVE)、非结构化数据库(HBase)等子项目解决数据的处理分析与数据实时交互需求，同时为了简化Hadoop管理工作，HUE、Phoenix等UI工具也被引入协同工作。
各种多样化的工具带来最直接的问题便是多样化的程序设计语言，多样性的程序编程接口，增大了大数据安全审计覆盖面，增强了大数据的数据解析难度。因此，在Hadoop大数据架构环境下要实现有效审计，必须同时对各种UI管理界面、编程接口同时审计，具备Hadoop架构各种协议解析、编程语言解析能力。
其审计难点可总结为：
1、Hadoop大数据非结构化数据(NO SQL)，传统方案无法实现此类数据的综合安全监控;
2、Hadoop中数据库连接工具的多样化，传统方案只能对典型的C/S客户端访问方式进行安全监控，缺乏综合管理手段;
3、Hadoop开放的接口和平台，加之信息网络共享导致数据风险点增加，窃密、泄密渠道增加;
4、安全模型和配置的复杂性导致数据流量复杂化。