Fallo de software o humano. El error humano en las actualizaciones de software mientras se realizan operaciones de datos de Hadoop puede generar un comportamiento defectuoso que puede generar resultados inesperados en el trabajo. En tal caso, necesitamos proteger los datos para evitar fallas o resultados irrazonables. Por ejemplo, como resultado de una actualización de software mal ejecutada en una aplicación de análisis de señales de tráfico, una nueva función que no analiza adecuadamente los datos de las señales de tráfico en forma de texto simple. El software aún analiza JSON y otros formatos de archivos que no son de texto, lo que da como resultado que el sistema de análisis de control de tráfico en tiempo real produzca resultados de predicción en los que faltan puntos de datos. Esta situación puede provocar salidas defectuosas que podrían provocar accidentes en los semáforos. La protección de datos puede resolver este problema proporcionando la capacidad de volver rápidamente a la versión anterior de la aplicación en funcionamiento.

Tamaño y escala. El tamaño de los datos analíticos crece día a día debido al número cada vez mayor de fuentes y volúmenes de datos. Las redes sociales, las aplicaciones móviles, el análisis de datos y las plataformas de computación en la nube son las principales fuentes de datos en el actual mercado de big data, que está aumentando muy rápidamente y, por lo tanto, los datos deben protegerse para garantizar operaciones de datos precisas.

Protección de datos nativa de Hadoop. Hadoop tiene un comando nativo para proteger los datos, pero este comando no proporciona consistencia de los datos durante la copia de seguridad. Sólo admite copias de seguridad a nivel de directorio. Las instantáneas creadas por Hadoop son de solo lectura y no se pueden utilizar para reutilizar los datos de respaldo directamente.