阿里云E-MapReduce探秘，快速构建可扩展的高性能大数据平台(技术部分)

本文来自夏立的分享，花名雷飙，阿里巴巴计算平台EMR高级产品专家。 2014年开始接触大数据，历经阿里内部的大数据发展，目前在阿里云上负责开源的大数据平台EMR产品，构建云上的开源生态。

产品介绍

阿里云EMR的整体架构如下： 管理运维能力

• 集群管理，作业管理和调度

• 操作Web化、SDK&API

完全兼容开源系统，并在之基础上强化

• Hadoop, Spark性能优化

• 监控能力能整合强化

伴随社区发展的生态

• 组件跟随开源社区保持版本升级

• 开源与阿里云平台的联结者，充分发挥云的生态能力

• 云产品对接（OSS，SLS，MaxCompute等）

• 云能力对接，弹性等等（本地盘实例严格打散，弹性伸缩能力，支持竞价实例）

全球部署（全球15个region部署）

• 基于企业级开源大数据生态上多样化场景方案的快速复制

提供完整的企业级的一体化平台

• 打包计算平台能力

• 开箱即用的体验

常见的组合使用方式：

大数据平台应用到的组件包括： 通用Hadoop

• 开源大数据离线、实时、Ad-hoc查询场景

• 基于开源Hadoop生态，采用YARN管理集群资源，提供Hive、Spark离线大规模分布式数据存储和计算， SparkStreaming、Flink、Storm流式数据计算，Presto、Impala交互式查询，Oozie、Pig等Hadoop生态圈的组 件，支持OSS存储，支持Kerberos的数据认证与加密。

Kafka

• 开源高吞吐量，可扩展性的消息系统

• E-MapReduce Kafka提供一套完整的服务监控体系和元数据管理。广泛用于日志收集、监控数据聚合等场 景，支持离线或流式数据处理、实时数据分析等。

DataScience

• 大数据+AI场景

• Data Science针对大数据+AI场景，提供了Hive、Spark离线大数据ETL，TensorFlow模型训练，用户可以选 择CPU+GPU的异构计算框架，利用英伟达GPU对部分深度学习算法就行高性能计算。

Druid

• 实时交互式分析服务场景

• Druid提供了大数据查询毫秒级延迟，支持多种数据摄入方式。可与E-MapReduce Hadoop、E-MapReduce Spark、阿里云OSS、阿里云RDS等服务搭配组合使用，构建灵活稳健的实时查询解决方案。

Zookeeper

• 分布式锁

• 适用于大规模的Hadoop集群、HBase集群、Kafka集群独立的分布式一致性锁服务。

产品功能点

可视化集群管理控制台

自带的调度系统

• 项目级别的权限管理

• 支持DAG

• 更好的弹性资源结合

• 方便的多种作业管理

• 完善的报警和监控

机器学习支持 深度学习、AI以成为目前炙手可热的词汇，EMR EMR Cluster Learning将深度学习和开源大数据技术深度结合，提供 一体化的大数据+深度学习服务。 利用一个集群，构建 企业数据湖，同时进行机器学习和深度学习：

• 支持ECS GPU机型，通过Hadoop YARN调度集群GPU资源 Spark ML

• TensorFlow Horvod • 支持TensorFlow ，Horvod等计算框架

• 可采用PS、MPI等数据通信模式

• 支持Docker，Standalone运行模式

欢迎点赞+收藏+转发朋友圈素质三连

文章不错？点个【在看】吧！ ????

标签：探秘,MapReduce,Hadoop,开源,高性能,集群,EMR,Spark,数据
来源： https://blog.51cto.com/u_14222592/2894161