Hadoop足夠快嗎?美國加州大學伯克利分校的AMPLab基于Hadoop的核心組件開發出一個更快的版本Tachyon。AMPLab從底層重建了Hadoop平臺，“沒有最快，只有更快”。

AMPLab在大數據領域最知名的產品是Spark，它是一個內存中并行處理的框架，Spark的創造者聲稱：使用Shark運行并行處理Job速度要比MapReduce快100倍。又因為Spark是在內存運行，所以Shark可與Druid或者SAP's HANA系統一較高下。Spark也為ClearStory下一代分析和可視化服務提供處理引擎。如果你喜歡用Hive作為Hadoop的數據倉庫，那么你一定會喜歡Shark，因為它代表了“Hive on Spark”。

AMPLab的最新目標就是Hadoop分布式文件系統(HDFS)，不過HDFS在可用性和速度方面一直受人詬病，所以AMPLab創建了Tachyon( 在High Scalability上非常奪目，引起了Derrick Harris的注意)，“Tachyon是一個高容錯的分布式文件系統，允許文件以內存的速度在集群框架中進行可靠的共享，類似Spark和 MapReduce。通過利用lineage信息，積極地使用內存，Tachyon的吞吐量要比HDFS高300多倍。Tachyon都是在內存中處理緩存文件，并且讓不同的 Jobs/Queries以及框架都能內存的速度來訪問緩存文件”。

當然，AMPLab并不是第一個對HDFS提出質疑的組織，同時也有很多商業版本可供選擇，像Quantcast就自己開發了開源文件系統，聲稱其在運行大規模文件系統時速度更快、更高效。

誠然，AMPLab所做的工作就是打破現有商業軟件的瓶頸限制。如果碰巧破壞了現狀，那么就順其自然吧!不過，對于用戶來說，AMPLab只是為那些尋找合適工具的人員提供了一種新的選擇，AMPLab的合作伙伴和贊助商包括谷歌，Facebook，微軟和亞馬遜網絡服務，它們當然非常樂意看到這些新技術，如果很有必要的話。

AMPLab的其他項目包括PIQL，類似于一種基于鍵/值存儲的SQL查詢語言;MLBase，基于分布式系統的機器學習系統;Akaros，一個多核和大型SMP系統的操作系統;Sparrow，一個低延遲計算集群調度系統。