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多种数据平台,间接支持了上百种业务发展。从集群规模和数据量来说,HDFS 平台在公司内部已经成长为总数十万台级别服务器的大平台,支持了 10 EB 级别的数据量。**当前在字节跳动,** **HDFS** **承载的主要业务如下:**- Hive,HBase,日志服务,Kafka 数据存储 - Yarn,Flink 的计算框架平台数据 -...
HDFS和MapReduce;接触数据库Hive后,学习数据流技术Kafka和分布式协调服务Zookeeper。深入研究Yarn和求执行引擎Spark。此外还了解其他技术如HBase、Sqoop等。同时学习计算机网络知识和操作系统原理。后面再系统学习关系数据库MySQL和数据仓库理论。学习分布式原理和架构也很重要。这个学习顺序参考了我之前的工作和学习经历情况后订定。需要注意,大数据领域的技术很多很广,如Flink也值得研究。本人给出的仅作为一个参考案例,学习...
> 本文结构采用宏观着眼,微观入手,从整体到细节的方式剖析 Hive SQL 底层原理。第一节先介绍 Hive 底层的整体执行流程,然后第二节介绍执行流程中的 SQL 编译成 MapReduce 的过程,第三节剖析 SQL 编译成 MapReduce 的具体实现原理。### 一、HiveHive是什么?Hive 是数据仓库工具,再具体点就是一个 SQL 解析引擎,因为它即不负责存储数据,也不负责计算数据,只负责解析 SQL,记录元数据。Hive直接访问存储在 HDFS 中或者 HBase ...
用于实时数据接口服务的 Hbase 数据库,用于实时数据产品的 mysql 或者 redis 数据库中。命名规范:基于实时数仓的特殊性不做硬性要求。### 2. 快手实时数仓场景化案例#### 1) 目标及难点![](https://cdn.js... 原始数据都存放在 HDFS 上,扩容只是 Region Server 扩容,不涉及原始数据的迁移。但是 Clickhouse 的每个分片数据都是在本地,是一个比较底层存储引擎,不能像 HBase 那样方便扩容。Redis 是哈希槽这种类似一致性哈...
环境信息 系统环境版本 环境 OS veLinux(Debian 10兼容版) Python2 2.7.16 Python3 3.7.3 Java ByteOpenJDK 1.8.0_352 应用程序版本 Hadoop集群 HBase集群 HDFS 2.10.2 2.10.2 YARN 2.10.2 2.10.2 MapReduce2 2.10.2 2.10.2 Hive 2.3.9 - Spark 2.4.8 - Tez 0.10.1 - Knox 1.5.0 1.5.0 Openldap 2.5.13 2.5.13 Zookeeper 3.7.0 3.7.0 Ossa 1.0.0 - HBase 1.6.0 1.6.0 Flink 1.16.1 - Presto 0.280 - Trino 412 - DolphinSchedule...
目前支持的集群类型和服务如下表所示: 分析场景 集群类型 服务 默认启用 Ranger 鉴权 数据湖 Hadoop HDFS ✅ YARN ✅ Hive ✅ Spark ✅ Presto Trino 实时计算 Kafka Kafka ✅ 交互式分析 Presto HDFS Hive Presto ✅ Trino HDFS Hive Trino ✅ NoSQL 数据库 HBase HDFS HBase ✅ 2 使用限制为保证权限管理模块功能的正常使用,您需要在集群的安全组中为 100.64.0.0/10 IP 段开放 8080 端口。操作详见添加安全组访问规则...
MasterSpec String hbase.x1.medium Master 节点的规格码。 ProjectName String default 实例所属的项目名称。若该参数为空,表示实例未加入任何项目。 RSCount Integer 2 RegionServer 节点的数量。 RSSpec String hbase.x1.large RegionServer 节点的规格码。 RegionId String cn-beijing 实例所属的地域 ID。 Status String Running 实例当前状态。关于实例状态的更多说明,请参见实例状态说明。 StorageType String HdfsHdd...
HDFS和MapReduce;接触数据库Hive后,学习数据流技术Kafka和分布式协调服务Zookeeper。深入研究Yarn和求执行引擎Spark。此外还了解其他技术如HBase、Sqoop等。同时学习计算机网络知识和操作系统原理。后面再系统学习关系数据库MySQL和数据仓库理论。学习分布式原理和架构也很重要。这个学习顺序参考了我之前的工作和学习经历情况后订定。需要注意,大数据领域的技术很多很广,如Flink也值得研究。本人给出的仅作为一个参考案例,学习...
创建实例是开启使用表格数据库 HBase 版的第一步。本文介绍如何创建 HBase 实例。 前提条件已注册火山引擎账号,并完成实名认证。账号注册和实名认证的操作步骤,请参见如何进行账号注册和实名认证。 已创建私有网络和子网。操作步骤请参见创建私有网络及子网。 操作步骤登录 HBase 控制台。 在顶部菜单栏的左上角,选择实例所属的地域。 在实例列表页,单击创建实例。 在创建实例页,设置如下参数。 参数 说明 实例名称 输入实...
创建实例是开启使用表格数据库 HBase 版的第一步。本文介绍如何创建 HBase 实例。 前提条件已注册火山引擎账号,并完成实名认证。账号注册和实名认证的操作步骤,请参见如何进行账号注册和实名认证。 已创建私有网络和子网。操作步骤请参见创建私有网络及子网。 操作步骤登录 HBase 控制台。 在顶部菜单栏的左上角,选择实例所属的地域。 在实例列表页,单击创建实例。 在创建实例页,设置如下参数。 参数 说明 实例名称 输入实...
本文介绍表格数据库 HBase 版的实例规格和性能。 计算规格说明 表格数据库 HBase 版计算规格包括 Master 和 Region Server 节点的规格。 仅 Master 节点支持 2 核 4GiB(hbase.x1.medium)规格。 仅 Region Server 节点支持 32 核 64GiB(hbase.x1.8xlarge) 规格。 规格编码 CPU 内存 hbase.x1.medium 2 核 4GiB hbase.x1.large 4 核 8GiB hbase.x2.large 4 核 16GiB hbase.x1.2xlarge 8 核 16GiB hbase.x2.2xlarge 8 核 32GiB hba...
本文汇总表格数据库 HBase 版的 API 接口中使用的数据结构定义详情。 AllowListObject白名单信息。被 DescribeAllowLists 接口引用。 名称 类型 示例值 描述 AllowListDesc String test 白名单的备注。 AllowListI... AssociatedInstanceNum Integer 1 白名单下绑定的实例总数。 AssociatedInstanceObject已绑定指定白名单的实例信息。被 DescribeAllowListDetail 接口引用。 名称 类型 示例值 描述 InstanceId String hb-cnglb4b...
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...