自我们发布上一版大数据版图以来，这个利用了内存处理的开源框架就开始引发众多讨论。自那以后，Spark 受到了从 IBM 到 Cloudera 的各式玩家的拥护，让它获得了可观的信任度。Spark 的出现是很有意义的，因为它解决了一些导致 Hadoop 采用放缓的关键问题：Spark 速度变快了很多(基准测试表明 Spark 比 Hadoop 的 MapReduce 快 10 到 100 倍)，更容易编程，并且跟机器学习能够很好地搭配。

除了Spark 以外，还出现了其他的一些令人兴奋的框架，比如 F、Ignite、Samza、Kudu 等 ，这些框架的发展势头也很好。一些思想****认为，Mesos(数据中心资源管理系统，把数据中心当作一台大计算资源池进行编程)的出现也刺激了对 Hadoop 的需求。

如果试验证明大有希望，那么就扩展到更多人群。为了保障参与者和****可靠性，临床试验必须符合严格的科学标准。但这并不是说方法上的缺陷没有风险，也不是说在某一特定研究之外，临床试验总能通过****小群体推广成功——这时就需要大数据了。我们可以通过挖掘基于实践的临床数据世界，比如，实际病人记录——根据哪个病人处于什么状况以及哪些****有用的信息，从中可以学到很多关于病人的照顾方式。分析、大数据和临床试验(来源：