hadoop简介
社区干货
演讲预告|字节跳动 Hadoop 云原生化演进实践
字节跳动基础架构工程师**林友权**和**邵凯阳**将在大会上分享**字节跳动提出的** **Hadoop** **大数据** **生态云原生化演进实践方案——** **Yodel** **(** **YARN** **on Gödel)。****演讲主题**:《字节跳动 Hadoop 云原生化演进实践》**演讲时间**:2022年9月24日 14:00-14:30**议题简介**:Yodel(YARN on Gödel)是字节跳动提出的 Hadoop 大数据生态云原生化演进实践方案,其中 Gödel 是公司内增强版 Kubernetes ,目...
演讲预告|字节跳动 Hadoop 云原生化演进实践
Hadoop 是 Apache 基金会旗下知名基础架构开源项目。作为国内少见的 Hadoop 开源生态技术峰会,第四届 China Apache Hadoop Meetup 将于 2022年9月24日在上海举办。本届峰会以 **“云数智聚 砥柱笃行”**为主题,汇... 《字节跳动 Hadoop 云原生化演进实践》 **演讲时间**:2022年9月24日(周六) 14:00-14:30 **议题简介**:Yodel(YARN on Gödel)是字节跳动提出的 Hadoop 大数据生态云原生化演进实践方案,其中 Gö...
字节跳动10万节点 HDFS 集群多机房架构演进之路
# **背景**## **现状**HDFS 全称是 Hadoop Distributed File System,其本身是 Apache Hadoop 项目的一个模块,作为大数据存储的基石提供高吞吐的海量数据存储能力。自从 2006 年 4 月份发布以来,HDFS 目前依然有... 本文会介绍这部分的工作。![]()## **动机**业务的迅猛发展和业务场景的多样性给 HDFS 带来了很大的挑战,这里列几个**比较有代表性的问题:**- 如何在容量上满足业务的发展需求 - 如何满足近线场景对低延...
9年演进史:字节跳动 10EB 级大数据存储实战
# 背景## **HDFS** **简介**HDFS 全名 Hadoop Distributed File System,是业界使用最广泛的开源分布式文件系统。原理和架构与 Google 的 GFS 基本一致。它的特点主要有以下几项:- 和本地文件系统一样的目录树视图 - Append Only 的写入(不支持随机写) - 顺序和随机读 - 超大数据规模 - 易扩展,容错率高## HDFS 在字节跳动的发展字节跳动已经应用 HDFS 非常长的时间了。经历了 9 年的发展,目前已直接支持了十...
特惠活动
hadoop简介-优选内容
hadoop简介-相关内容
访问文件存储实例
文件存储场景(即HDFS模式)的文件存储实例支持 HDFS 语义、高效元数据操作、高带宽 IO 吞吐,主要用于传统的大数据离线分析场景。本文为您介绍如何创建、挂载文件存储场景实例,并使用 Hadoop Client 访问文件存储实例。 前提条件已完成火山引擎企业实名认证,并授权大数据文件存储产品访问其他服务的权限。更多信息,请参见跨服务授权。 已购买 ECS 实例并为 ECS 实例安装 Hadoop 客户端。更多信息,请参见购买云服务器。建议您使用的...
集群类型
本文介绍火山引擎 E-MapReduce(EMR) 支持的集群类型以及各集群相关的操作。 集群 描述 重要操作 Hadoop Hadoop生态圈的基础服务组件,HDFS,YARN,MapReduce组件。 提供离线数据分析,Hive、Spark、Tez。 提供实时数据分析,Flink、SparkStreaming。 提供交互式分析查询,Presto、Trino。 创建集群 登录集群 扩容集群 释放集群 Flink Flink 是一个面向有限流和无限流有状态计算的分布式计算框架,Flink集群提供开源消息引擎...
配置 MapReduce 的 HDFS 服务使用 CloudFS
火山引擎 E-MapReduce 是开源 Hadoop 生态的企业级大数据分析系统,提供 Hadoop、Spark、Hive、Flink 等生态组件集成和管理。本文介绍如何配置 MapReduce 上的 HDFS 服务来使用文件存储 CloudFS。 前提条件在配置 MapReduce 使用 CloudFS,确保您已经完成以下准备工作: 开通大数据文件存储服务 CloudFS 并创建文件存储,获取挂载信息。详细操作请参考创建文件存储系统。 开通 E-MapReduce 服务并创建集群。详细操作请参考E-MapReduc...
Hadoop 使用 Proton
下文首先介绍在 火山引擎EMR 和 自建Hadoop集群 两种场景下,如何使用Proton实现存算分离架构。接着介绍存算分离模式下回收站的配置方式,最后介绍如何在开发环境中引入 proton 依赖。 1 火山引擎EMR1.1 认证配置1.1.1 使用 Assume Role 认证 TOS Assume Role 不需要您显性的将自己账号 AK/SK 配置进集群,集群在运行过程中会自动通过 IAM 获取临时身份凭据。 前置条件 开通火山引擎 E-MapReduce(EMR)服务,且创建EMR集群。详见创建集...
基于Spark的词频统计
实验介绍 本次实验练习介绍了如何在虚拟机内进行批示计算Spark的词频统计类型的数据处理。在开始实验前需要先进行如下的准备工作: 下载并配置完成虚拟机。 在虚拟机内已完成Hadoop环境的搭建。 关于实验 预计部署时间:90分钟级别:初级相关产品:批式计算Spark受众:通用 操作步骤 步骤一:安装并配置批示计算Spark1.执行以下命令完成Spark的下载及安装bash wget https://dlcdn.apache.org/spark/spark-3.2.0/spark-3.2.0-bin-hadoop...
迁移 Hadoop 文件系统数据至 CloudFS
本文介绍如何将 IDC 或自建 Hadoop 文件系统数据迁移至 CloudFS。迁移后,您可以在 CloudFS 中管理和访问数据。 前提条件在迁移 Hadoop 文件系统数据至 CloudFS 前,确保您已经完成以下准备工作: 开通大数据文件存储 CloudFS 版服务并创建文件系统实例和挂载点。详细操作请参考创建大数据文件存储。 本文选择基于火山引擎 ECS 搭建 Hadoop 集群(以下称"迁移集群"),用于访问大数据文件存储 CloudFS 和迁移数据,并满足以下条件:迁移集...
读取Hadoop集群中的数据
本文为您介绍如何配置EMR Serverless StarRocks实例,以查询Hadoop高可用集群中的数据。 1 前提条件已创建包含了HDFS服务,并且开启了服务高可用的集群,详情请参见创建集群。 已创建EMR Serverless StarRocks实例,详情请参加创建实例。 2 操作步骤进入EMR Serverless StarRocks实例配置页面。a. 登录EMR Serverless控制台。 b. 在顶部菜单栏处,根据实际情况选择地域。 c. 在实例列表页,单击待查看的实例名称。 d. 单击实例配置页...
快速开始
本文向您介绍如何通过火山引擎 E-MapReduce(EMR)控制台,快速使用 Airflow 组件进行工作流调度。 步骤一: 服务引入注意 在 EMR 集群创建中,Airflow 服务能力存在于以下三种类型的集群中:Hadoop、Presto、Trino。 若您未创建集群,请在创建 EMR 的 Hadoop、Presto 或 Trino 集群类型时,勾选上 Airflow 服务。集群创建操作详见:创建集群。 对于已创建的集群,若服务列表中没有 Airflow 组件,可以通过添加服务功能添加 Airflow。操作...
数据迁移
本文将为您介绍火山引擎 E-MapReduce(简称“EMR”)和源端 Hadoop 集群之间的数据迁移操作。 1 专线连接 正式做迁移前,需要在源端 VPC 和火山引擎 VPC 之间建立 1Gb 或 10Gb 的专线连接,保障迁移的速度、安全和稳定性。 说明 迁移速度评估: 专线带宽为 :10Gb = 1.25GB 数据量为:100T = 100*1024 = 102400 GB 迁移时间为:102400/1.25/3600 = 22.75 小时 专线拉通后,可以开始不间断的大规模数据迁移。 2 迁移 HDFS 数据EMR 集群...
