一旦其中有元数据发生问题，大象医生会对此进行诊断并生成报告进行标记。这些标记会依据潜在性能问题的严重性分为5个等级，大象医生会根据等级对用户分别进行提示，最终以启发式的方法促成用户进行整体的修改至最终任务完成。
身手全面的家庭医生
大象医生诞生于2014年中期。在其诞生前的几年，LinkedIn的Hadoop团队一直在为他们的员工进行工作流的分析，为他们提供调整意见并批准运行生产等。但是随着用户量的增长，这一流程变得越来越难，这也是促进LinkedIn下定决心自动化取代该流程的原因所在。于是大象医生应运而生。
大象医生像家庭医生一样体贴
大象医生在LinkedIn非常受欢迎，人们喜欢他的简单。大象医生像一个家庭医生一样，通过简单的诊断可以解决工作中80%的问题。不同于普通的集群级别数据统计，大象医生更多的聚焦于为帮助Hadoop用户理解和提升工作水平而提供意见。
大象医生像一个真正的医生一样诊断问题的根源，通过简单的流程图为用户剖析问题。此外，你还可以通过大象医生添加很多启发式的规则，使其变得更加贴合个人使用习惯。
据悉，LinkedIn已经将大象医生应用于多个方面，比如监测流对集群的影响，理解流运行缓慢的原因，如何调整提高流量，与之前的任务比较执行情况，流程故障排查等。
Hadoop和Spark都将受益于大象医生
此外，除了增加改进了启发式算法、扩展工具和新的工作类型以外，LinkedIn还更新了更多的功能。比如大象医生可以根据具体工作对其进行实时的指标化建议，工作集群资源使用情况可视化呈现，以及更好的调整调度以便支持更多的Spark。
大象医生的开源对于数据工作者来讲无疑是一件幸福的事情，准备好迎接他吧。
