隨著全球數(shù)據(jù)呈爆發(fā)式增長,基于海量數(shù)據(jù)的挖掘和分析,為用戶帶來了巨大的商業(yè)價(jià)值。源于開源平臺的Apache Hadoop,允許使用簡單的編程模型跨計(jì)算機(jī)集群分布式處理大型數(shù)據(jù)集,成為大數(shù)據(jù)時(shí)代最受歡迎的技術(shù)之一。
01 性能瓶頸
HDFS分布式文件系統(tǒng)作為Hadoop的三大組件之一,是分布式計(jì)算中數(shù)據(jù)存儲管理的基礎(chǔ)。但是在HDFS傳統(tǒng)架構(gòu)下,Hadoop擴(kuò)展性受到了一定限制,容易出現(xiàn)性能瓶頸等問題。
圖片來源:Hadoop官方文檔
例如,由于HDFS中每個(gè)文件、目錄和數(shù)據(jù)塊的元數(shù)據(jù)信息(大約150字節(jié))必須存儲在NameNode的內(nèi)存中,這也就意味著對于一個(gè)擁有大量文件的超大集群來說,內(nèi)存將成為限制系統(tǒng)橫向擴(kuò)展的瓶頸。
同時(shí),作為一個(gè)可擴(kuò)展的文件系統(tǒng),單個(gè)集群中支持?jǐn)?shù)千個(gè)節(jié)點(diǎn)。在單個(gè)命名空間中DataNode可以擴(kuò)展的很好,但是NameNode并不能在單個(gè)命名空間進(jìn)行橫向擴(kuò)展。通常情況下,HDFS集群的性能瓶頸出現(xiàn)在單個(gè)NameNode上。
雖然,在Hadoop 2.x發(fā)行版中引入了聯(lián)邦HDFS功能,允許系統(tǒng)通過添加多個(gè)NameNode來實(shí)現(xiàn)擴(kuò)展。但是,系統(tǒng)管理員需要維護(hù)多個(gè)NameNodes和負(fù)載均衡服務(wù),這又無形中增加了管理成本。
此外,大數(shù)據(jù)平臺建設(shè)和應(yīng)用中還亟待解決以下問題:
? 在傳統(tǒng)的Apache Hadoop集群系統(tǒng)中,計(jì)算和存儲資源緊密耦合。當(dāng)存儲空間或計(jì)算資源不足時(shí),只能同時(shí)對兩者進(jìn)行擴(kuò)容,不僅擴(kuò)容不方便,且經(jīng)濟(jì)效率較低;
? Hadoop的數(shù)據(jù)備份方案昂貴,且難以實(shí)現(xiàn);
? 不同部門、平臺各自建大數(shù)據(jù)系統(tǒng),數(shù)據(jù)不共享,導(dǎo)致大數(shù)據(jù)計(jì)算平臺碎片化,逐漸形成大數(shù)據(jù)煙囪。
02 XSKY HDFS Client
為了解決上述問題,業(yè)界一般采用對象存儲來作為Hadoop的后端存儲,解決上面HDFS的各種問題,構(gòu)建數(shù)據(jù)湖解決方案。
Hadoop社區(qū)也開發(fā)了S3A連接器,用來對接標(biāo)準(zhǔn)的S3對象存儲。但是,標(biāo)準(zhǔn)的S3A連接器的性能一般比HDFS要差很多,而且不支持追加寫,因此只能支持部分對性能不高的業(yè)務(wù),或者作為Hadoop分層存儲使用。
為此,XSKY開發(fā)了基于對象存儲XEOS的專用Hadoop HDFS高性能客戶端XSKY HDFS Client。
XSKY HDFS Client和S3A架構(gòu)對比
通過XSKY HDFS Client,Hadoop應(yīng)用可以訪問存儲在XEOS中的所有數(shù)據(jù),這就避免了傳統(tǒng)的Hadoop應(yīng)用在進(jìn)行數(shù)據(jù)分析前,還要將數(shù)據(jù)由業(yè)務(wù)存儲移動到分析存儲HDFS中。
XSKY HDFS Client為Hadoop應(yīng)用提供了標(biāo)準(zhǔn)的 Hadoop 文件系統(tǒng)操作接口。在每個(gè)計(jì)算節(jié)點(diǎn)上,Hadoop應(yīng)用都將使用XSKY HDFS Client (JAR) 執(zhí)行 Hadoop文件系統(tǒng)的操作,XSKY HDFS Client屏蔽了Hadoop應(yīng)用與XEOS集*互的復(fù)雜性。
相比于原生Hadoop S3A對接對象存儲的方式,XSKY HDFS Client可以直接訪問存儲集群的OSD,IO路徑更短;同時(shí),XSKY HDFS Client具有追加寫的功能,可以匹配Hadoop文件系統(tǒng)對追加寫的需求。
XSKY內(nèi)部對在業(yè)界最廣泛應(yīng)用的Hadoop商業(yè)發(fā)行版本之一Cloudera CDH的TestDFSIO測試中顯示,部署了XSKY HDFS Client的 XEOS集群寫性能超過采用Remote HDFS系統(tǒng)的94%,讀性能超過77%(兩種測試硬件配置一樣,節(jié)點(diǎn)數(shù)都是8節(jié)點(diǎn),其中存儲和Datanode都是3節(jié)點(diǎn))。
WordCount測試中,性能瓶頸主要在CDH計(jì)算集群的CPU使用率,兩組測試環(huán)境計(jì)算集群的CPU均達(dá)到了100%。HDFS對1TB數(shù)據(jù)進(jìn)行WordCount計(jì)算的時(shí)間消耗為46分22秒,而XEOS的時(shí)間消耗為47分20秒,相差不大。
HBase寫測試中,HDFS對30,000,000條數(shù)據(jù)進(jìn)行寫入時(shí)間消耗為2分23秒,而XEOS的時(shí)間消耗為2分55秒,與HDFS比相差30秒左右。但是從HBase統(tǒng)計(jì)的IOPS來看,HDFS和XEOS相差不大。
HBase讀測試,HDFS對30,000,000條數(shù)據(jù)進(jìn)行讀取時(shí)間消耗為47秒,而XEOS的時(shí)間消耗為46秒,幾乎沒有差別。但是從HBase統(tǒng)計(jì)的IOPS來看, XEOS明顯高于HDFS。
03客戶收益
? 計(jì)算存儲分離部署,按需擴(kuò)容,大幅降低TCO;
? 更加優(yōu)化的性能,以及企業(yè)級存儲特性;
? 適用于大數(shù)據(jù)平臺的容災(zāi)備份;
? 同時(shí)支持生產(chǎn)業(yè)務(wù)、Hadoop、MPP、AI等計(jì)算業(yè)務(wù),解決數(shù)據(jù)孤島問題;
? 一套存儲系統(tǒng),承載多個(gè)異構(gòu)平臺的數(shù)據(jù)整合,加速數(shù)據(jù)流動;
? NFS、HDFS、S3三種協(xié)議互通,三種協(xié)議來源的數(shù)據(jù)都可以統(tǒng)一進(jìn)行in-place分析,分析結(jié)果可以通過S3實(shí)時(shí)發(fā)布。
XSKY目前已經(jīng)實(shí)現(xiàn)塊、文件、對象、HDFS支持,為企業(yè)用戶構(gòu)建了真正統(tǒng)一的數(shù)據(jù)存儲平臺,可實(shí)現(xiàn)用戶從核心生產(chǎn)到海量數(shù)據(jù)分析的最大化數(shù)據(jù)整合,助力構(gòu)筑企業(yè)數(shù)據(jù)湖理想底座!
申請創(chuàng)業(yè)報(bào)道,分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處,共同探討創(chuàng)業(yè)新機(jī)遇!
日前,2022世界數(shù)字農(nóng)業(yè)大會舉行。大會以“種鑄強(qiáng)芯,數(shù)領(lǐng)未來”為主題,開設(shè)多場數(shù)字農(nóng)業(yè)云端專題論壇,北京佳格天地科技有限公司受邀出席”農(nóng)業(yè)農(nóng)村大數(shù)據(jù)應(yīng)用論壇“,同與會嘉賓分享了農(nóng)業(yè)大數(shù)據(jù)的創(chuàng)新應(yīng)用。
近日,秦淮數(shù)據(jù)集團(tuán)位于馬來西亞柔佛州的秦淮數(shù)據(jù)馬來柔佛超大規(guī)模數(shù)據(jù)中心(以下簡稱“MY06”)一期盛大開園。從規(guī)劃、設(shè)計(jì)到建造,秦淮數(shù)據(jù)集團(tuán)中國、新加坡、馬來西亞三地團(tuán)隊(duì)緊密合作,共同完成馬來西亞最大的國際超大規(guī)模數(shù)據(jù)中心交付
廣州光點(diǎn)信息科技有限公司自主研發(fā)的數(shù)據(jù)中臺產(chǎn)品GI大數(shù)據(jù)中臺V2.0產(chǎn)品是國內(nèi)率先推出符合新創(chuàng)標(biāo)準(zhǔn)的中臺產(chǎn)品,基于“大數(shù)據(jù)+AI”等技術(shù)全新打造,集數(shù)據(jù)采集、融合、治理、服務(wù)、管理為一體的旗艦平臺。
為深入貫徹黨中央、國務(wù)院關(guān)于推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展的戰(zhàn)略決策部署,落實(shí)《北京市關(guān)于加快建設(shè)全球數(shù)字經(jīng)濟(jì)標(biāo)桿城市的實(shí)施方案》(京辦發(fā)(2021)16號)等政策精神,促進(jìn)大數(shù)據(jù)產(chǎn)業(yè)規(guī)范發(fā)展
8月29日下午,2022年句容經(jīng)濟(jì)開發(fā)區(qū)第二批項(xiàng)目集中簽約暨重大產(chǎn)業(yè)項(xiàng)目集中開竣工活動成功舉行。中科視語與句容市簽署戰(zhàn)略協(xié)議,進(jìn)一步加大數(shù)智化投入,與江蘇有線等多家合作單位共同打造“句容新型數(shù)據(jù)智算中心”
把脈中國數(shù)據(jù)智能化
2023年,幾乎可以被定義為中國互聯(lián)網(wǎng)公司的“大模型元年”。ChatGPT的全球爆紅,徹底點(diǎn)燃國內(nèi)的大模型賽道,曾經(jīng)的“創(chuàng)業(yè)英雄”、如今的商業(yè)領(lǐng)袖們親自下場,接連發(fā)布生成式人工智能產(chǎn)品與大模型布局。大模型火了,沉寂許久的互聯(lián)網(wǎng)行業(yè)又有了新的“戰(zhàn)事”。同時(shí),大模型的快速發(fā)展也改變了云市場的現(xiàn)狀,企業(yè)對
近日,數(shù)字化市場研究咨詢機(jī)構(gòu)愛分析發(fā)布了《2022愛分析·數(shù)據(jù)智能廠商全景報(bào)告》,愛分析從技術(shù)研發(fā)能力、服務(wù)客戶數(shù)量、收入規(guī)模等維度對廠商進(jìn)行了全面專業(yè)的評估
2022年11月18日,首個(gè)國家級大數(shù)據(jù)產(chǎn)業(yè)創(chuàng)新賽事——2022第一屆中國大數(shù)據(jù)大賽圓滿落幕。工業(yè)和信息化部信息技術(shù)發(fā)展司數(shù)字經(jīng)濟(jì)推進(jìn)處處長張建倫,中國電子技術(shù)標(biāo)準(zhǔn)化研究院副院長孫文龍出席頒獎(jiǎng)典禮并致辭
2022年11月17日,在廈門市工業(yè)和信息化局的指導(dǎo)下,以“數(shù)據(jù)確權(quán)”為主題的2022數(shù)據(jù)資產(chǎn)(廈門)論壇在廈門成功舉辦。本次論壇以“數(shù)據(jù)確權(quán)”為主題,由廈門市互聯(lián)網(wǎng)域名應(yīng)用服務(wù)產(chǎn)業(yè)協(xié)會和構(gòu)信網(wǎng)(公信.中國)聯(lián)合主辦
近日,國內(nèi)知名數(shù)字化市場研究咨詢機(jī)構(gòu)愛分析正式發(fā)布《2022愛分析·信創(chuàng)廠商全景報(bào)告》(以下簡稱“報(bào)告”)。報(bào)告綜合考慮企業(yè)關(guān)注度、行業(yè)落地進(jìn)展等因素,遴選出在信創(chuàng)市場中具備成熟解決方案和落地能力的廠商。
10月31日下午,由數(shù)博會執(zhí)委會主辦、數(shù)據(jù)觀(北京)傳媒科技有限公司承辦、貴陽大數(shù)據(jù)交易所協(xié)辦的第四期數(shù)博思享會“實(shí)踐先行觀公共數(shù)據(jù)價(jià)值與應(yīng)用”活動成功舉辦。
近日,由中國國際數(shù)字經(jīng)濟(jì)博覽會組委會主辦,中國電子技術(shù)標(biāo)準(zhǔn)化研究院、河北省工業(yè)和信息化廳承辦的“第一屆中國大數(shù)據(jù)大賽”(簡稱大數(shù)據(jù)大賽)正式啟動。
廣州光點(diǎn)信息科技有限公司自主研發(fā)的數(shù)據(jù)中臺產(chǎn)品GI大數(shù)據(jù)中臺V2.0產(chǎn)品是國內(nèi)率先推出符合新創(chuàng)標(biāo)準(zhǔn)的中臺產(chǎn)品,基于“大數(shù)據(jù)+AI”等技術(shù)全新打造,集數(shù)據(jù)采集、融合、治理、服務(wù)、管理為一體的旗艦平臺。
廣州光點(diǎn)信息科技有限公司自主研發(fā)的數(shù)據(jù)中臺產(chǎn)品GI大數(shù)據(jù)中臺V2.0產(chǎn)品是國內(nèi)率先推出符合新創(chuàng)標(biāo)準(zhǔn)的中臺產(chǎn)品,基于“大數(shù)據(jù)+AI”等技術(shù)全新打造,集數(shù)據(jù)采集、融合、治理、服務(wù)、管理為一體的旗艦平臺