随着Hadoop技术的发展,从最初为Google、Facebook等公司解决海量数据的存储问题,到现在被越来越多企业用来处理大数据,企业已经建设好的传统数据仓库地位受到了挑战。本文重点研究Hadoop与传统数据仓库(如无特殊说明,本文提及的传统数据仓库皆指单节点的关系型数据仓库)如何进行协作、分工,进行数据采集、传输、存储、处理等工作。在已有传统数据仓库的基础上提供Hadoop的支持,弥补传统数据仓库在海量数据处理、存储等方面的不足,也可以依靠Hadoop的横向扩展能力突破单节点的传统数据仓库在存储和计算能力上的瓶颈。本文根据现今传统数据仓库的应用情况及Hadoop大数据平台的前景预测,针对传统数据仓库已无法满足大多数用户需求的问题,提出了Hadoop与传统数据仓库协作的新架构后,重点针对Hadoop与传统数据仓库之间协作的可行性进行研究。新架构源于Cloudera和Teradata的工程师们提出的Hadoop与传统数据仓库协作的设想方案,本文将新构架分为三大模块：数据采集、数据存储和数据应用,主要考虑结构化与非结构化数据的采集、存储和应用问题,研究Hadoop与传统数据仓库在数据存储和数据应用方面的协作可行性。针对数据采集和传输问题,本文采用Apache的Sqoop技术解决；而数据存储问题则依靠Hadoop集群的HDFS文件系统和Hive数据仓库,同时也介绍了在Hive中的数据应用,最后通过原型系统验证了所设计架构的可行性。本文基于现今企业对大数据平台的需求,同时也考虑到企业已有传统数据仓库的重用,研究其两者之间的协作关系,最终实现了系统原型为企业的实际应用提供指导。