阿里云E-MapReduce产品探秘,快速构建可扩展的高性能大数据平台

本文来自夏立的分享,花名雷飙,阿里巴巴计算平台EMR高级产品专家。
2014年开始接触大数据,历经阿里内部的大数据发展,目前在阿里云上负责开源的大数据平台EMR产品,构建云上的开源生态。

产品介绍

阿里云EMR的整体架构如下:

管理运维能力

  • 集群管理,作业管理和调度
  • 操作Web化、SDK&API

完全兼容开源系统,并在之基础上强化

  • Hadoop, Spark性能优化
  • 监控能力能整合强化

伴随社区发展的生态

  • 组件跟随开源社区保持版本升级
  • 开源与阿里云平台的联结者,充分发挥云的生态能力
  • 云产品对接(OSS,SLS,MaxCompute等)
  • 云能力对接,弹性等等(本地盘实例严格打散,弹性伸缩能力,支持竞价实例)

全球部署(全球15个region部署)

  • 基于企业级开源大数据生态上多样化场景方案的快速复制

提供完整的企业级的一体化平台

  • 打包计算平台能力
  • 开箱即用的体验

常见的组合使用方式:

file

大数据平台应用到的组件包括:

通用Hadoop

  • 开源大数据离线、实时、Ad-hoc查询场景
  • 基于开源Hadoop生态,采用YARN管理集群资源,提供Hive、Spark离线大规模分布式数据存储和计算, SparkStreaming、Flink、Storm流式数据计算,Presto、Impala交互式查询,Oozie、Pig等Hadoop生态圈的组 件,支持OSS存储,支持Kerberos的数据认证与加密。

Kafka

  • 开源高吞吐量,可扩展性的消息系统
  • E-MapReduce Kafka提供一套完整的服务监控体系和元数据管理。广泛用于日志收集、监控数据聚合等场 景,支持离线或流式数据处理、实时数据分析等。

DataScience

  • 大数据+AI场景
  • Data Science针对大数据+AI场景,提供了Hive、Spark离线大数据ETL,TensorFlow模型训练,用户可以选 择CPU+GPU的异构计算框架,利用英伟达GPU对部分深度学习算法就行高性能计算。

Druid

  • 实时交互式分析服务场景
  • Druid提供了大数据查询毫秒级延迟,支持多种数据摄入方式。可与E-MapReduce Hadoop、E-MapReduce Spark、阿里云OSS、阿里云RDS等服务搭配组合使用,构建灵活稳健的实时查询解决方案。

Zookeeper

  • 分布式锁
  • 适用于大规模的Hadoop集群、HBase集群、Kafka集群独立的分布式一致性锁服务。

产品功能点

可视化集群管理控制台

file
file

自带的调度系统

file

  • 项目级别的权限管理
  • 支持DAG
  • 更好的弹性资源结合
  • 方便的多种作业管理
  • 完善的报警和监控

机器学习支持

深度学习、AI以成为目前炙手可热的词汇,EMR EMR Cluster Learning将深度学习和开源大数据技术深度结合,提供 一体化的大数据+深度学习服务。利用一个集群,构建 企业数据湖,同时进行机器学习和深度学习:

  • 支持ECS GPU机型,通过Hadoop YARN调度集群GPU资源 Spark ML
  • TensorFlow Horvod • 支持TensorFlow ,Horvod等计算框架
  • 可采用PS、MPI等数据通信模式
  • 支持Docker,Standalone运行模式

file

声明:本号所有文章除特殊注明,都为原创,公众号读者拥有优先阅读权,未经作者本人允许不得转载,否则追究侵权责任。

关注我的公众号,后台回复【JAVAPDF】获取200页面试题!
5万人关注的大数据成神之路,不来了解一下吗?
5万人关注的大数据成神之路,真的不来了解一下吗?
5万人关注的大数据成神之路,确定真的不来了解一下吗?

欢迎您关注《大数据成神之路》

大数据技术与架构

猜你喜欢

转载自www.cnblogs.com/importbigdata/p/11816910.html