Cloudera将于4月底登陆纽交所,基于Hadoop的商业公司前景何在?

简介:


虽然名字里有一个“云”,Cloudera并不是一个真正的云公司。它是一个建立在开放源代码Hadoop项目之上的商业产品,hadoop的公司吉祥物是一只可爱的大象。在数据量越来越大的时代(业界常称为“大数据”),Hadoop把数据处理变得越来越方便。 

正如我们所看到的,今年第一季度,高科技企业IPO突然风生水起,选择在这样的时机上市,也算顺理成章。

而在2015年英特尔首脑会议上,当Cloudera CEO Tom Reilly被问到公司上市时间表时,他还称,他愿意等到“我们所认为的最好时机”。其实Cloudera当时的体量足够上市,但刚刚筹集了超过10亿美元,拥有大量现金,因此他并不急于上市。


 基于Hadoop打包产品商业公司 

 Cloudera与Hortonworks的区别 

尽管Hadoop可能是处理大数据的有力方式且它可以开源使用,但是用起来并不简单。这正是Cloudera和2014年上市的Hortonworks等公司的机会所在。这些公司,以及其他公司如MapR,试图把Hadoop打包起来,方便大型机构使用。 

Hortonworks在上市之后一度走势强劲,但自那以后,它一直没有雄风再现。它的股价2015年7月份达到超过27美元的高点,本周五收盘价低于10美元。

但几个公司共享市场,并不意味着一定会共享命运;同为Hadoop供应商,也不意味着完全可类比。

IDC分析师卡尔·奥洛夫森(Carl Olofson)表示,这两家公司之间存在着一些根本的区别。他将Hortonworks描述为一个“纯粹的开源公司”,它将打包、协调和管理开源代码作为订阅付费的产品,同时卖技术支持。他说,该公司的产品主要针对“大数据技术专家”。 

Cloudera有点不同。 “它提供的软件包大多是开源,但具有专有的工具,针对各种业务问题,卖给各个级别的业务经理。所以他们的方法是不同的,Cloudera软件本身的收入比Hortonworks更高。”


 亏损1.8亿美元 

 在可预见的将来会继续出现净亏损 

在S-1文件中,我们可以看到其财务状况。收入在增长,年收益截至1月份为2.61亿美元,而去年同期为1.66亿美元。

后台回复“文件”获取Cloudera公司提交的S-1文件

亏损为1.8632亿美元,低于去年同期的2.03亿美元。文件中关于“风险因素”的部分提到“我们认为在可预见的将来会继续出现净亏损”。

Cloudera承认它面临着一系列的竞争。 HP,IBM,Oracle,Amazon Web Services和Hortonworks都赫然在列。


 Intel的大力支持 

2014年Cloudera估值41亿美元时,英特尔向其投资了7.40亿美元,但英特尔与该公司的合作不仅仅是财务。该文件显示,英特尔和Cloudera分享了一个共同的产品路线图,重点是提高处理大量数据集的速度和安全性。 在联合开发的许多具体例子中,英特尔和Cloudera通过使用英特尔架构内置的算术加速协同优化数据加密速度。英特尔和Cloudera还合作开发Spot(孵化项目),这是一个基于开放数据模型的开源网络安全分析平台,可通过大数据分析和机器学习提供高级安全风险检测。”

该公司已经筹集了10亿美元,该笔融资可追溯到2008年。文件显示英特尔是最大的股东,拥有该公司的22%股份,Accel和Greylock Partners分别占比为16.3%和12.5%。

最后一轮融资是三年前,这意味着,其上市之路比大多数风投背景的公司都长,坊间这几年Cloudera被收购和即将IPO的传言一直就没有断过。此次IPO,摩根士丹利,摩根大通和艾伦公司共同承销该产品。


 赶一波科技股IPO的风潮 

Cloudera是今年科技股IPO风潮的一部分。本月早些时候,在经历了进展缓慢的一年之后,Snap启动了科技股的上市浪潮。接下来,我们看到了MuleSoft和Alteryx的首次亮相。我们也看到了Yext和Okta的上报文件,预计在未来几周内也会公之于众。

近期IPO的成功和股市的积极表现开启了“窗口”。鉴于业内人士的友好态度,银行家和公司都很乐意上市。

Cloudera计划在纽约证券交易所上市,股票代码为“CLDR”。之前Snap,MuleSoft和Alteryx也在纽交所上市,而去年大多数科技股在纳斯达克上市。

由于JOBS法案,公司通常在投资者路演前15天公布其申请。这意味着,只要公司和股票市场保持稳定,实际上市可能会在4月底或5月初发生。

拟发售规模2亿美元,但这只是一个估计。 IPO将在首次亮相股票市场之前一晚定价。

原文发布时间为:2017-04-04

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
分布式计算 Linux 网络安全
Hadoop集群最迅速的配置免密码登陆方法
1:多台机器互相免密登陆的思路(默认你的linux操作系统已经安装好ssh): 第一步:在各自的机器上面生成密钥:   在第1台机器上生产一对钥匙: ssh-keygen -t rsa   在第2台机器上生产一对钥匙: ssh-keygen -t rsa   在第3台机器上生产一对钥匙: ssh-keygen -t rsa   .
1437 0
|
存储 分布式计算 Hadoop
从“笨重大象”到“敏捷火花”:Hadoop与Spark的大数据技术进化之路
从“笨重大象”到“敏捷火花”:Hadoop与Spark的大数据技术进化之路
817 79
|
存储 分布式计算 大数据
Flume+Hadoop:打造你的大数据处理流水线
本文介绍了如何使用Apache Flume采集日志数据并上传至Hadoop分布式文件系统(HDFS)。Flume是一个高可用、可靠的分布式系统,适用于大规模日志数据的采集和传输。文章详细描述了Flume的安装、配置及启动过程,并通过具体示例展示了如何将本地日志数据实时传输到HDFS中。同时,还提供了验证步骤,确保数据成功上传。最后,补充说明了使用文件模式作为channel以避免数据丢失的方法。
1059 4
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
800 2
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
736 1
|
SQL 分布式计算 大数据
大数据平台的毕业设计01:Hadoop与离线分析
大数据平台的毕业设计01:Hadoop与离线分析
805 0
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
1241 6
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
581 2

相关实验场景

更多