软件开发领域，开源源远流长，大数据更是一出生便和开源紧密结合在一起。从Google公布几篇论文开始，Doug Cutting受启发发明Hadoop之后，就以开源的形式公布。大数据技术和开源为什么联系得如此紧密，笔者认为有两个主要原因：
（1）大数据是基础设施，基础设施如OS，不是简单的一个公司或者个人就可以完全负责开发和维护的，所以通过开源协助降低开发成本是更好的选择。
（2）基础设施技术先进是一方面，另一方面则是需要应用的支持。所以通过开源构建生态，吸引应用的共同发展，也是促进大数据技术和开源紧密联系的驱动力之一。
讲到开源，肯定要讲到GitHub。Git是一个分布式的版本控制系统，最初由Linus Torvalds编写，用作Linux内核代码的管理。在推出后，Git在其他项目中也取得了很大成功，尤其是在Ruby社区中。目前，包括Rubinius、Merb和Bitcoin在内的很多知名项目都使用了Git。Git同样可以被诸如Capistrano和Vlad the Deployer这样的部署工具所使用。
GitHub提供Web界面，采用社区运作，托管各种Git库。作为开源代码库及版本控制系统，GitHub目前拥有140多万开发者用户。随着越来越多的应用程序转移到云上，Github已经成为管理软件开发及发现已有代码的首选方法。
GitHub的价值不在于一个版本控制网站，更大的意义在于让社会化编程成为现实，可以认为是程序员的社交网站。
开源意味着更多的人参与进来，对个人和公司拥有更多的选择。但是更多的选择不代表更多的自由；更多的选择导致决策的延迟和满意度的降低；快乐之秘诀在于降低自己的期望值。
本文选自《大数据架构详解：从数据获取到深度学习》12.1节。