Hadoop大數(shù)據(jù)“存算分離”，柏科數(shù)據(jù) ISCloud分布式存儲"提質(zhì)增效"

數(shù)據(jù)湖的發(fā)展契機，來源于近年來的AI熱潮和云計算、5G的發(fā)展，在日益發(fā)展的海量數(shù)據(jù)時代，數(shù)據(jù)已成為企業(yè)發(fā)展的核心資產(chǎn)，通過構(gòu)建適用于大數(shù)據(jù)的底層架構(gòu)，圍繞Hadoop提供語義一致性、數(shù)據(jù)治理和安全性。

Hadoop作為數(shù)據(jù)湖最常用的解決方案之一，其的部署和需求仍然很大并且正在增長。在最近的一項涉及235名受訪者的調(diào)查中，34％的受訪者目前正在使用Hadoop進行數(shù)據(jù)和分析工作，另有55％的受訪者計劃在未來24個月內(nèi)采取同樣方案，總計需求量達到89％（Gartner，2016）。

在Hadoop大數(shù)據(jù)平臺方案中，當(dāng)存儲空間或計算資源不足時，只能同時對兩者進行擴容，將導(dǎo)致額外成本的增加。假設(shè)用戶對存儲資源的需求遠大于對計算資源的需求，那么同時擴容計算和存儲后，新擴容的計算資源就被浪費了，反之，存儲資源被浪費。獨立擴展計算或存儲的架構(gòu)設(shè)計，被認為是更加靈活的擴容方式。

因此，業(yè)內(nèi)新擴容方式“存算分離”架構(gòu)的優(yōu)勢逐漸明顯，“存算分離”成了大數(shù)據(jù)架構(gòu)發(fā)展的必然趨勢，成了解決行業(yè)用戶在使用Hadoop時，面臨計算資源浪費、存儲性能低、管理成本過高等痛點的利器。最初在Hadoop1.0時代，計算和存儲是高度融合的，僅能處理單一的MapReduce分析業(yè)務(wù)；如今已經(jīng)到了Hadoop3.0時代，計算存儲走向分離，通過Hadoop架構(gòu)策略，優(yōu)化了冷熱數(shù)據(jù)的存儲。打造了更適合企業(yè)級市場，資源云化和靈活擴展，能夠讓用戶享受更專業(yè)的存儲，更佳的可靠性和利用率。

ISCloud分布式存儲系統(tǒng)面向海量數(shù)據(jù)場景，針對大數(shù)據(jù)Apache Hadoop等應(yīng)用場景，提供原生接口，將原生Hadoop集群從當(dāng)前計算、存儲一體化狀態(tài)，拆分成計算和存儲兩個獨立集群，實現(xiàn)“存算分離”形式，充分吸納計算、存儲兩個產(chǎn)業(yè)的最終成果，加速釋放數(shù)據(jù)價值。

? 提供標(biāo)準(zhǔn)接口，實現(xiàn)智能化負載均衡

非結(jié)構(gòu)化的原始數(shù)據(jù)可以通過Sqoop、DistCp等工具直接存儲在ISCloud分布式存儲上，業(yè)務(wù)數(shù)據(jù)庫結(jié)構(gòu)化數(shù)據(jù)和應(yīng)用數(shù)據(jù)可以通過Spark、Kafka等HBase分布式數(shù)據(jù)倉及Hadoop大數(shù)據(jù)Hive倉庫內(nèi)。HBase表數(shù)據(jù)和Hive內(nèi)部表數(shù)據(jù)仍然通過HDFS來存儲。ISCloud分布式存儲在存儲海量非結(jié)構(gòu)化數(shù)據(jù)，甚至是海量小文件的同時，減輕HBase及Hive的壓力，為后續(xù)擴容單一屬性集群提供基礎(chǔ)。

?? 協(xié)議互通特性，提高數(shù)據(jù)分析效率

ISCloud分布式存儲采用多種協(xié)議互通技術(shù)，部署語義抽象層，面對多樣化結(jié)構(gòu)數(shù)據(jù)提供適合文件、對象、塊及大數(shù)據(jù)的原生語義，為Apache Hadoop計算層提供了標(biāo)準(zhǔn)的Hadoop文件系統(tǒng)API，支持文件、大數(shù)據(jù)接口訪問，免數(shù)據(jù)遷移，縮短分析路徑。實現(xiàn)多集群數(shù)據(jù)融合互通，提升數(shù)據(jù)共享和分析效率。

? 降本增效，大幅降低TCO

隨著大數(shù)據(jù)應(yīng)用的全面普及，存算分離已成為企業(yè)大數(shù)據(jù)平臺建設(shè)的首選。采用全對稱分布式NameNode，集群性能和支持文件數(shù)隨節(jié)點數(shù)目增加，單一命名空間支持文件數(shù)達百億級。計算存儲分離，按需擴展，實現(xiàn)精準(zhǔn) 投資 。