189 8069 5689

CDH初期集群构建方案建议

集群规模计算
集群规模取决于用户数据及应用需求,最终规划值为以下各种计算方式得出的最小集群规模的最大值
• 容量需求
– 估算相对容易且准确
– 大多数案例可以通过容量来决定集群规模
• 计算需求
– 准确的估算计算资源只能通过小规模测试并合理估算
• 其他资源限制
– 如用户MapReduce应用可能对内存等资源有特殊要求,且单节点可配置资源相对有限,则集群最小规模需满足用户此类资源要求

创新互联公司成立十年来,这条路我们正越走越好,积累了技术与客户资源,形成了良好的口碑。为客户提供成都做网站、网站制作、网站策划、网页设计、主机域名、网络营销、VI设计、网站改版、漏洞修补等服务。网站是否美观、功能强大、用户体验好、性价比高、打开快等等,这些对于网站建设都非常重要,创新互联公司通过对建站技术性的掌握、对创意设计的研究为客户提供一站式互联网解决方案,携手广大客户,共同发展进步。

网络建议
• 建议使用万兆网络或更高速度网络
– 如要充分利用磁盘并行操作带宽,至少需要万兆网络
– 即使带宽足够,使用高带宽网络也能带来性能提升
• 对网络带宽敏感的场景:
– ETL类型或其他高输入输出数据量的MapReduce任务
– 对于空间或者电力资源有限的环境中,可使用大容量节点并配合高速度网络
– HBase等时延敏感类应用也对网络传输速度有要求
CDH初期集群构建方案建议

传统树状网络
• 网络超额(Oversubscription)
– 通过增加层次扩充网络,但会有如下问题
– 节点间网络距离增加
– 网络超额问题恶化
• 因此尽量采用超多端×××换机或扩充交换机背板扩充端口容量
– 小型或中型网络可以使用双层树形架构
– 仅通过顶层交换机上行端口和外部系统进行交互
– 避免Hadoop的网络传输风暴污染外部网络

组件架构
• 管理节点(Head/Master Node):如NameNode, Yarn及Master等
– 提供关键的、集中的、无替代的集群管理服务
– 若该管理服务停止,则对应集群Hadoop服务停止
– 需要可靠性高的硬件设备
• 数据节点(Data/Worker/Slave Node)
– 处理实际任务,如数据存储,子任务执行等
– 同节点运行多个服务,为保证局部性
– 若该服务停止,则由其他节点自动代替服务
– 硬件各部件皆可能损坏,但能方便的替换
• 边缘节点(Edge Node)
– 对外提供Hadoop服务代理以及包装
– 作为客户端访问实际Hadoop服务
– 需要可靠性高的硬件设备

管理节点硬件要求
• 管理节点角色主要包括NameNode,Secondary NameNode,Yarn RM
– Hive Meta Server以及Hive Server通常部署在管理节点服务器
– Zookeeper Server以及Hmaster可以选取数据节点服务器,由于一般负载有限,对节点无太大特殊要求
– 所有HA候选服务器(Active以及Standby)使用相同配置
– 通常对内存要求高但对存储要求低
• 建议使用高端PC服务器甚至小型机服务器,以提高性能和可靠性
– 双电源、冗余风扇、网卡聚合、RAID…
– 系统盘使用RAID1
– 由于管理节点数目很少且重要性高,高配置一般不是问题

数据节点配置策略建议
• 数量少但单点性能高的集群 vs. 数量多但单点性能低的集群
– 一般而言,使用更多的机器而不是升级服务器配置
– 采购主流的最”合算”配置的服务器,可以降低整体成本
– 数据多分布可获得更好的scale-out并行性能以及可靠性
– 需要考虑物理空间、网络规模以及其他配套设备等综合因素来
• 考虑集群服务器数目
– 计算密集型应用考虑使用更好的CPU以及更多的内存

内存需求计算
• 需要大内存的主节点角色:
– NameNode, Secondary NameNode,YARN AM, Hbase Regionserver
• 节点内存算法:
– 大内存角色内存相加
– 计算类应用需要大内存,如Spark/Impala建议至少256GB内存

硬盘容量选择
• 通常建议使用更多数目的硬盘
– 获得更好的并行能力
– 不同的任务可以访问不同的磁盘
– 8个1.5TB的硬盘性能好于6个2TB的硬盘
– 除去数据永久存储需求外,一般建议预留20%至30%的空间用于存储临时数据
• MapReduce任务中间数据
• 实际部署中每服务器配备12个硬盘非常常见
– 单节点存储容量最大值不超过48TB

存储服务需求

数据源Hadoop方式物理存储容量数据节点数量
原始文件、数据量 625T 625TB3(复制份数)0.3(压缩比)/80%(硬盘利用率)=703TB(只存放明细数据,无表,无MR) 按30T每节点703TB/30*1.05(冗余度)=25 台
Hbase 和 Cassandra 数据服务:假设历史数据量为2.6T,每日增量为55G,数据保留365天,3副本使用压缩时:( 2.6 + 0.055365 ) 1.3*1.2(key开销)/70%(硬盘利用率)=51T 按30T每节点51T/30*1.3(冗余度)=3台打开WAL时需增加:region server wal大小(通常小於RS內存的一半)

服务器配置建议

管理服务器数据服务器边缘服务器
CPU 2*E5-2620v4 2*E5-2620v4 2*E5-2620v4
硬盘 SAS 600GB*4;RAID0+1 SAS 600GB2;SATA  2T15 SAS 600GB2;SATA  2T15
内存 256G ECC 256G ECC 256G ECC
网络 双万兆网卡 双万兆网卡 双万兆网卡
数量 3 30 3

分享标题:CDH初期集群构建方案建议
网页路径:http://cdxtjz.cn/article/jdgpge.html

其他资讯