Hadoop環(huán)境中管理大數(shù)據(jù)存儲(chǔ)八大技巧

隨著IT互聯(lián)網(wǎng)信息技術(shù)的飛速發(fā)展和進(jìn)步。目前大數(shù)據(jù)行業(yè)也越來越火爆，從而導(dǎo)致國(guó)內(nèi)大數(shù)據(jù)人才也極度缺乏，下面介紹一下關(guān)于Hadoop環(huán)境中管理大數(shù)據(jù)存儲(chǔ)技巧。

在現(xiàn)如今，隨著IT互聯(lián)網(wǎng)信息技術(shù)的飛速發(fā)展和進(jìn)步。目前大數(shù)據(jù)行業(yè)也越來越火爆，從而導(dǎo)致國(guó)內(nèi)大數(shù)據(jù)人才也極度缺乏，下面介紹一下關(guān)于Hadoop環(huán)境中管理大數(shù)據(jù)存儲(chǔ)技巧。

1、分布式存儲(chǔ)

傳統(tǒng)化集中式存儲(chǔ)存在已有一段時(shí)間。但大數(shù)據(jù)并非真的適合集中式存儲(chǔ)架構(gòu)。Hadoop設(shè)計(jì)用于將計(jì)算更接近數(shù)據(jù)節(jié)點(diǎn)，同時(shí)采用了HDFS文件系統(tǒng)的大規(guī)模橫向擴(kuò)展功能。

雖然，通常解決Hadoop管理自身數(shù)據(jù)低效性的方案是將Hadoop數(shù)據(jù)存儲(chǔ)在SAN上。但這也造成了它自身性能與規(guī)模的瓶頸。現(xiàn)在，如果你把所有的數(shù)據(jù)都通過集中式SAN處理器進(jìn)行處理，與Hadoop的分布式和并行化特性相悖。你要么針對(duì)不同的數(shù)據(jù)節(jié)點(diǎn)管理多個(gè)SAN，要么將所有的數(shù)據(jù)節(jié)點(diǎn)都集中到一個(gè)SAN。

但Hadoop是一個(gè)分布式應(yīng)用，就應(yīng)該運(yùn)行在分布式存儲(chǔ)上，這樣存儲(chǔ)就保留了與Hadoop本身同樣的靈活性，不過它也要求擁抱一個(gè)軟件定義存儲(chǔ)方案，并在商用服務(wù)器上運(yùn)行，這相比瓶頸化的Hadoop自然更為高效。

在這里還是要推薦下我自己建的大數(shù)據(jù)學(xué)習(xí)交流群:529867072，群里都是學(xué)大數(shù)據(jù)開發(fā)的，如果你正在學(xué)習(xí)大數(shù)據(jù) ，小編歡迎你加入,大家都是軟件開發(fā)黨，不定期分享干貨（只有大數(shù)據(jù)軟件開發(fā)相關(guān)的），包括我自己整理的一份最新的大數(shù)據(jù)進(jìn)階資料和高級(jí)開發(fā)教程，歡迎進(jìn)階中和進(jìn)想深入大數(shù)據(jù)的小伙伴加入。

?2、超融合VS分布式

注意，不要混淆超融合與分布式。某些超融合方案是分布式存儲(chǔ)，但通常這個(gè)術(shù)語意味著你的應(yīng)用和存儲(chǔ)都保存在同一計(jì)算節(jié)點(diǎn)上。這是在試圖解決數(shù)據(jù)本地化的問題，但它會(huì)造成太多資源爭(zhēng)用。這個(gè)Hadoop應(yīng)用和存儲(chǔ)平臺(tái)會(huì)爭(zhēng)用相同的內(nèi)存和CPU。Hadoop運(yùn)行在專有應(yīng)用層，分布式存儲(chǔ)運(yùn)行在專有存儲(chǔ)層這樣會(huì)更好。之后，利用緩存和分層來解決數(shù)據(jù)本地化并補(bǔ)償網(wǎng)絡(luò)性能損失。

3、避免控制器瓶頸(ControllerChokePoint)

實(shí)現(xiàn)目標(biāo)的一個(gè)重要方面就是——避免通過單個(gè)點(diǎn)例如一個(gè)傳統(tǒng)控制器來處理數(shù)據(jù)。反之，要確保存儲(chǔ)平臺(tái)并行化，性能可以得到顯著提升。

此外，這個(gè)方案提供了增量擴(kuò)展性。為數(shù)據(jù)湖添加功能跟往里面扔x86服務(wù)器一樣簡(jiǎn)單。一個(gè)分布式存儲(chǔ)平臺(tái)如有需要將自動(dòng)添加功能并重新調(diào)整數(shù)據(jù)。

4、刪重和壓縮

掌握大數(shù)據(jù)的關(guān)鍵是刪重和壓縮技術(shù)。通常大數(shù)據(jù)集內(nèi)會(huì)有70%到90%的數(shù)據(jù)簡(jiǎn)化。以PB容量計(jì)，能節(jié)約數(shù)萬美元的磁盤成本?，F(xiàn)代平臺(tái)提供內(nèi)聯(lián)(對(duì)比后期處理)刪重和壓縮，大大降低了存儲(chǔ)數(shù)據(jù)所需能力。

?5、合并Hadoop發(fā)行版

很多大型企業(yè)擁有多個(gè)Hadoop發(fā)行版本。可能是開發(fā)者需要或是企業(yè)部門已經(jīng)適應(yīng)了不同版本。無論如何最終往往要對(duì)這些集群的維護(hù)與運(yùn)營(yíng)。一旦海量數(shù)據(jù)真正開始影響一家企業(yè)時(shí)，多個(gè)Hadoop發(fā)行版存儲(chǔ)就會(huì)導(dǎo)致低效性。我們可以通過創(chuàng)建一個(gè)單一，可刪重和壓縮的數(shù)據(jù)湖獲取數(shù)據(jù)效率

?6、虛擬化Hadoop

虛擬化已經(jīng)席卷企業(yè)級(jí)市場(chǎng)。很多地區(qū)超過80%的物理服務(wù)器現(xiàn)在是虛擬化的。但也仍有很多企業(yè)因?yàn)樾阅芎蛿?shù)據(jù)本地化問題對(duì)虛擬化Hadoop避而不談。

7、創(chuàng)建彈性數(shù)據(jù)湖

創(chuàng)建數(shù)據(jù)湖并不容易，但大數(shù)據(jù)存儲(chǔ)可能會(huì)有需求。我們有很多種方法來做這件事，但哪一種是正確的?這個(gè)正確的架構(gòu)應(yīng)該是一個(gè)動(dòng)態(tài)，彈性的數(shù)據(jù)湖，可以以多種格式(架構(gòu)化，非結(jié)構(gòu)化，半結(jié)構(gòu)化)存儲(chǔ)所有資源的數(shù)據(jù)。更重要的是，它必須支持應(yīng)用不在遠(yuǎn)程資源上而是在本地?cái)?shù)據(jù)資源上執(zhí)行。

不幸的是，傳統(tǒng)架構(gòu)和應(yīng)用(也就是非分布式)并不盡如人意。隨著數(shù)據(jù)集越來越大，將應(yīng)用遷移到數(shù)據(jù)不可避免，而因?yàn)檠舆t太長(zhǎng)也無法倒置。

理想的數(shù)據(jù)湖基礎(chǔ)架構(gòu)會(huì)實(shí)現(xiàn)數(shù)據(jù)單一副本的存儲(chǔ)，而且有應(yīng)用在單一數(shù)據(jù)資源上執(zhí)行，無需遷移數(shù)據(jù)或制作副本。

8、整合分析

分析并不是一個(gè)新功能，它已經(jīng)在傳統(tǒng)RDBMS環(huán)境中存在多年。不同的是基于開源應(yīng)用的出現(xiàn)，以及數(shù)據(jù)庫(kù)表單和社交媒體，非結(jié)構(gòu)化數(shù)據(jù)資源(比如，維基百科)的整合能力。關(guān)鍵在于將多個(gè)數(shù)據(jù)類型和格式整合成一個(gè)標(biāo)準(zhǔn)的能力，有利于更輕松和一致地實(shí)現(xiàn)可視化與報(bào)告制作。合適的工具也對(duì)分析/商業(yè)智能項(xiàng)目的成功至關(guān)重要。