海量并行(MPP)内存数据仓库技术实现探讨.pptxVIP

海量并行(MPP) 内存数据仓库 3 统一的大数据系统的整体视图 ETL Unstructured Data (HDFS) Real Time Un- structured Datastore (hBase, Gemfire, Cassandra) Big SQL (Greenplum, AsterData, Etc…) Batch Processing 实时流 数据 实时处理 (s4, storm) Analytics 通过虚拟化来统一大数据计算平台  目标 ◦ ◦ ◦ ◦ ◦ 简单、快速、即需地监控数据集群 允许混合负载 利用虚拟机来提供隔离（如：多租户） 通过虚拟拓扑来优化数据处理性能 通过虚拟拓扑来优化平台稳定性  充分利用虚拟化 ◦ ◦ ◦ ◦ 可伸缩的扩展性能 依靠高可靠性来保护关键服务，如：Hadoop的Name Node及Job Tracker 资源控制和共享：重用低利用率的内存及CPU 对负载进行优先级控制：在混合环境中优化及限制资源的使用 5 SQL集群 Unifed Analytics Infrastructure Hadoop 集群 Private Public Big SQL Hadoop NoSQL Decision Support 集群 NoSQL集群 统一的分析云将被极大的简化  简化 • 单一的硬件基础架构 • 快速、简易的环境控制  优化 • 共享的资源 = 更高的利用率 • 可伸缩的资源 = 快速的即需资源访问 6 并行内存计算 及 持久化  关键技术: • Share-Nothing, MPP 海量并行架 构 • 基于内存分区的数据集市 • 海量并行内存计算 • 虚拟化, 云 • 性能优化 • 固态内存 并行内存为大数据提供实时缓存 655 400 300 200 100 0 700 600 500 0 All HDD 373 Smart Flash Cache Persist Data on Warpdrive TPS 400 300 200 100 0 700 600 500 0 All HDD 330 Smart Flash Persist Data Cache on Warpdrive ResponseTime 660 Physical Storage SSDs Arrays HDDs Arrays Logical Volume Hot Data Cold Data 并行内存针对大数据的应用场景 传统模拟对比 基于Hadoop的模拟 MapReduce可以基于MPP内存 渲染组合可以基于内存,数据库同理 Capability Cloudera CDH EMC/GP UAP MAPR HortonWorks Open Source MPPIn- memorywith Hadoop 低延迟 任务调度 Impala only No No No 混合负载 No No No No 快速的 抢占式调度 No No No No No 时间敏感 SLA保证 No No No No 使用计费及 分析插件 No No No No No 可恢复的 Hadoop任务 No No No No No No POSIX 文件系统 No NFSonly No No NFSorGluster 企业级 文件系统功能 No No No 现有大数据处理平台的技术比较 - I 全功能的 10 Capability Cloudera CDH EMC / GP UAP MAPR HortonWork s Open Source MPP In- memory with Hadoop SQL 的支持 Impala Pivotal Drill Via open source only Impala, Drill 大表 的支持 No No No No 外部数据的链接 GP DB built-in No No No 加速器 No No No No 完整的硬件及 软件的支持 单一厂商支持 Through HW partners Through HW Through HW partners No No No No No 现有大数据处理平台的技术比较 - II partners No No No No 私有云管理功能 注： Hadoop 1.0 i