hadoop在体系结构上与mpp数据仓库类似，但有一些显著的区别。处理器不是由并行体系结构严格定义的，而是在hadoop集群中松散耦合的，每个处理器可以在不同的数据源上工作。
数据操作引擎、数据目录和存储引擎可以彼此独立地工作，hadoop可以作为一个收集点。同样重要的是，hadoop可以轻松地容纳结构化和非结构化数据。这使得它成为迭代查询的理想环境。业务用户不必根据模式定义的狭义结构来定义分析输出，而是可以通过实验来找到对他们最重要的查询。然后可以提取相关数据并将其加载到数据仓库中进行快速查询。
hadoop生态系统的出发点是希望从不同的系统中收集尽可能多的有趣数据，但它的方法是完全更好的。使用这种方法，您可以将所有感兴趣的数据转储到一个大数据存储（通常是hdfs–hadoop分布式文件系统）中。这通常发生在云存储中——云存储有助于完成任务，因为它既便宜又灵活，而且使数据接近廉价的云计算能力。如果需要，您仍然可以使用hive等工具进行etl和创建数据仓库，但更重要的是，您仍然拥有所有可用的原始数据，因此您还可以定义新问题，并根据需要对所有原始历史数据进行复杂的分析。hadoop工具集允许极大的灵活性和分析能力，因为它通过在大量廉价商品机器上拆分任务来进行大量计算，让您执行比在传统仓库中更强大、更投机和更快速的分析。