最近学习分布式计算，突然想到一个问题，hadoop 和cdua有什么关系。为什么有的问题要并行计算，交给GPU处理，而现在GPU编程的主体是cuda并行计算，有的交给分布式hadoop处理？

学习后，受到点启发， 觉得应该是这样的：

首先有两种情况：数据密集型、计算密集型
1.数据密集型：数量大，但是对每一条数据的处理并不一定麻烦，比如，对1T的文件统计字数，可以交给10台机器分别统计。

2.计算密集型：数量并不一定大，但是对每条数据的计算量非常大，比如对图像训练的深度神经网络。
　实现基于机器学习的自动的智能化数据价值挖掘是大数据和Hadoop最诱人的愿景了，也就是将数据密集型和计算密集型工作都集成到hadoop自身，这也是很多企业对大数据平台的最终期望。随着可获得的数据越来越多，未来大数据平台的价值更多的取决于其计算人工智能的程度。