Défaillances logicielles ou humaines. Une erreur humaine dans les mises à jour logicielles lors de l’exécution d’opérations de données Hadoop peut entraîner un comportement défectueux susceptible de provoquer des résultats inattendus du travail. Dans un tel cas, nous devons protéger les données pour éviter des échecs ou des résultats déraisonnables. Par exemple, à la suite d'une mise à jour logicielle mal exécutée d'une application d'analyse des feux de circulation, une nouvelle fonctionnalité ne parvient pas à analyser correctement les données des feux de circulation sous forme de texte brut. Le logiciel analyse toujours le JSON et d'autres formats de fichiers non textuels, ce qui fait que le système d'analyse du contrôle du trafic en temps réel produit des résultats de prédiction qui manquent de points de données. Cette situation peut entraîner des sorties défectueuses qui peuvent conduire à des accidents aux feux de circulation. La protection des données peut résoudre ce problème en offrant la possibilité de revenir rapidement à la version précédente de l'application.

Taille et échelle. La taille des données d’analyse augmente de jour en jour en raison du nombre et du volume toujours croissants de sources de données. Les médias sociaux, les applications mobiles, l'analyse de données et les plateformes de cloud computing sont les principales sources de données sur le marché actuel du Big Data, qui connaît une croissance très rapide. Par conséquent, les données doivent être protégées pour garantir des opérations de données précises.

Protection des données native de Hadoop. Hadoop dispose d'une commande native pour protéger les données, mais cette commande ne fournit pas de cohérence des données lors de la sauvegarde. Il prend uniquement en charge la sauvegarde au niveau du répertoire. Les instantanés créés par Hadoop sont en lecture seule et ne peuvent pas être utilisés pour réutiliser directement les données de sauvegarde.