hadoop架构
社区干货
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,汇聚 35+ 行业大咖,主席团由戴金权、堵俊平、金耀辉组成。**字节跳动云原生计算技术负责人李亚坤受邀担任会议委员,** 与一众行业大咖共同聚焦开源与云原生最新趋势与洞见。 ![]()# 议题推荐本届峰会主论坛聚焦开...
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,汇聚 35+ 行业大咖,主席团由戴金权、堵俊平、金耀辉组成。 **字节跳动** **云原生** **计算技术负责人李亚坤受邀担任会议委员** **,** 与一众行业大咖共同聚焦开源与云原生最新趋势与洞见。![picture.im...
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...
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... 如何高效运维如此超大规模的集群![]()要回答这些问题需要 HDFS 从多个方向迭代优化,例如 DanceNN 的上线、运维平台的建设等,本文将会**聚焦在 HDFS 多机房架构的演进策略**上,它直接回答了上面提到的两个问...
特惠活动
hadoop架构-优选内容
hadoop架构-相关内容
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...
创建集群
EMR支持的集群类型如下: 数据湖场景: Hadoop:大数据分布式基础框架,适用于离线/实时分析以及数据湖架构等各类大数据场景。 实时计算场景: Flink:Flink是一个框架和分布式处理引擎,用于对无界和有界数据流进行有状态计算,支持离线或流式数据处理、实时数据分析等。 Kafka:高性能高扩展消息队列系统,支持流式数据采集和接入,应用于日志采集,实时监控等场景。 Pulsar:提供多租户、高性能的服务器间消息传递解决方案,支持存算分离...
使用说明
1 概述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。它有一定高度的容错性,而且提供了高吞吐量的数据访问,非常适合大规模数据集上的应用。HDFS 提供了一个高度容错性和高吞吐量的海量数据存储解决方案。 2 HDFS架构HDFS 采用 master/slave 架构。一个 HDFS 集群通常由一个 NameNode 和若干 DataNode 组成。在不考虑 NameNode 高可用时,还会有一个 SecondaryNameNode 来负责做元数据的 check...
浅谈大数据建模的主要技术:维度建模 | 社区征文
## 前言我们不管是基于 Hadoop 的数据仓库(如 Hive ),还是基于传统 MPP 架构的数据仓库(如Teradata ),抑或是基于传统 Oracle 、MySQL 、MS SQL Server 关系型数据库的数据仓库,其实都面临如下问题:- 怎么组织数据仓库中的数据?- 怎么组织才能使得数据的使用最为方便和便捷?- 怎么组织才能使得数据仓库具有良好的可扩展性和可维护性?> **Ralph Kimball 维度建模理论很好地回答和解决了上述问题。**维度建模理论和技术也是...
三分钟了解大数据技术发展史|社区征文
我们常说的大数据技术,大致主要起源于 Google 在 2004 年前后发表的三篇论文,其实数据处理早就存在,每个公司或者个人都有自己的大数据处理系统,并没有形成编程框架和理念,而这三篇论文也就是我们熟知的大数据三驾马车,分别是分布式文件系统 GFS、大数据分布式计算框架 MapReduce 和 NoSQL 数据库 BigTable,这三篇论文影响了当今大数据生态,可以称得上大数据的基石,Doug cutting 大佬在基于谷歌的三篇论文开发出了 hadoop hdfs 分...
火山引擎云原生大数据在金融行业的实践
大数据架构向云原生演进是行业的重要趋势,火山引擎协助关键金融客户在大数据云原生方向进行了深度实践,形成了整体解决方案,本文将分享火山引擎云原生大数据在金融行业的实践。作者|张云尧-火山引擎云原生计算研发工程师# **▌金融行业大数据需求**## **云原生相比** **Hadoop** **的优势**传统大数据集群通常基于 Hadoop 系统构建,传统大数据作业通常是以裸进程的形式运行在节点上,很容易受到节点上的其他进程或其他因...
企业级数据平台云原生转型之路|社区征文
以 Hadoop 生态体系为根基的大数据技术栈得以填补了这块的不足。 从技术上虽然实现了,但是组织上来讲大数据不像传统的分析工具那么轻量化、易操作、人员要求没那么高,反观大数据场景下,要维护很多组件、集群... 以垂直单体的大数据架构显然是无法满足更灵活的业务场景能力的,所谓的垂直架构指的就是一个独立团队,支撑所有业务应用部门,来进行数据查看、数据提取等等,当有技术升级或者复杂度提升的时候,这种架构下很难来灵活转...
迁移指南说明
越来越多的企业发现了大数据处理和分析框架的力量,如 Apache Hadoop 和 Apache Spark,但他们也发现了这些技术的一些挑战。尤其重要的是,随着大数据行业的快速变化,许多客户需要一个安全且长期的平台来支持业务快速发展。火山引擎 E-MapReduce(简称“EMR”)是开源 Hadoop 生态的企业级大数据分析系统,完全兼容开源,提供 Hadoop、Spark、Hive、Flink、Hudi、Iceberg 等生态组件集成和管理,支持海量数据的存储、查询和分析,可弹性伸...
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...
