Hadoop是个非常流行的分布式计算解决方式，是Apache的一个开源项目名称。核心部分包含HDFS及MapReduce。
当中。HDFS是分布式文件系统。MapReduce是分布式计算引擎。
时至今日。Hadoop在技术上已经得到验证、认可甚至到了成熟期。同一时候也衍生出了一个庞大的生态圈。比較知名的包含HBase、Hive、Spark等。HBase是基于HDFS的分布式列式数据库，HIVE是一个基于HBase数据仓库系统。Impala为存储在HDFS和HBase中的数据提供了实时SQL查询功能，基于HIVE服务，并可共享HIVE的元数据。
Spark是一个类似MapReduce的并行计算框架。也提供了类似的HIVE的Spark SQL查询接口，Hive是基于hadoop的数据分析工具。
非常多企业比方银行流水作业非常多。数据都是实时更新且数据量非常大。会採用hadoop作为底层数据库。借由中间商处理底层数据。然后通过BI系统去连接这些中间数据处理厂商的中间表，接入处理数据。尤其以星环、华为这类hadoop大数据平台商居多，使用也较为广泛。
这里以星环大数据平台与帆软大数据BI工具FineBI的结合应用来简介下。
因为星环也是处理hadoop下的hive数据库，其本质都是几乎相同的。能够使用Hive提供的jdbc驱动，这个驱动相同能够让FineBI连接星环的数据库并进行一些类关系型数据库的sql语句查询等操作，部分特殊sql的公式须要与星环人员确认能否够使用。
首先将这些驱动复制到报表project以下，然后重新启动BIserver。
重新启动后能够建立与星环数据库的数据连接，最后通过连接进行数据查询。
1、本地部署
下图是FineBI内部測试用的hadoop的jar包（将下面jar包放置于webinf-lib目录下），亲測。可连接成功，例如以下图所看到的：
2、数据连接
数据连接例如以下图所看到的：
測试连接成功之后。点击确定，可直接选择数据库中相应的表增加业务包中，类似于Mysql这些最常见的数据库取表方式。
3、实际分析案例
某银行的总行层面-机构维度-四象限图
（2）总行层面-机构维度-趋势分析
（3）总行层面-产品维度-盈利产品
4．关于FineBI的FineIndex和FineDirect功能
hadoop是底层，hive是数据库。上述案例採用的是FineIndex（cube连）连接，用的是hiveserver的方式进行数据连接的；数据连接成功之后，将hive数据库中的表加入到业务包中，也就是将库中数据拿到我们的多维数据库（FineIndex）。当然抓取的过程中也能够读取数据库关联和转义。也能够手动转义和进行关联。同一时候也能够做一些etl操作如新增公式列/行列转换/join/union/过滤/分组统计/自循环列/新增分组列/使用部分字段等，做过处理的这些数据表用于前端分析。
也就是说数据库-FineIndex-前端分析，这里的FineIndex相当于一个中间库的形式。用来存储数据表，关联转义索引等。这些都对兴许前台分析处理数据效率有非常大的提升（由于直接sql取数，效率受数据库本身的限制。数据量大时，一般分析工具非常easy就卡死升职内存溢出导致系统无响应）。这也是FineIndex方案的初衷。FineIndex存在有两个意义，一个是提升效率，一个就是对数据进行二次整合处理。
FineBI另一个连接方式FineDirect（数据库直连），主要是应对例如以下需求：
- 分析结果的实时性
企业用户在使用BI工具的时候，多数情况下是对大量的历史数据进行OLAP分析，可是也有部分用户须要展现结果的实时性。比如金融行业对于交易风险的分析，是对每一笔流水实时进行分析的。假设须要经过构建多维数据库的过程，数据到来就会有延迟，影响分析结果的准确性。可是由于计算的过程交给了数据库。响应速度很多其它的取决于数据库的性能。
- 大数据平台的充分利用
随着各种分布式计算方案的不断优化，数据的计算性能也有了高速的发展。计算能力有了显著的提高，不少企业已经有了自己的大数据计算平台，比如hadoop，kylin，greenplum，vertica等，这些平台的对于大数据量的处理性能已经足以满足使用需求。不再有建模的需求，因此FineBI直连引擎提供了对接这些数据平台的功能。