集群規(guī)模計算
集群規(guī)模取決于用戶數(shù)據(jù)及應用需求，最終規(guī)劃值為以下各種計算方式得出的最小集群規(guī)模的大值
? 容量需求
– 估算相對容易且準確
– 大多數(shù)案例可以通過容量來決定集群規(guī)模
? 計算需求
– 準確的估算計算資源只能通過小規(guī)模測試并合理估算
? 其他資源限制
– 如用戶MapReduce應用可能對內(nèi)存等資源有特殊要求，且單節(jié)點可配置資源相對有限，則集群最小規(guī)模需滿足用戶此類資源要求

創(chuàng)新互聯(lián)一直秉承“誠信做人，踏實做事”的原則，不欺瞞客戶，是我們最起碼的底線！ 以服務為基礎(chǔ)，以質(zhì)量求生存，以技術(shù)求發(fā)展，成交一個客戶多一個朋友！為您提供網(wǎng)站設(shè)計制作、網(wǎng)站設(shè)計、成都網(wǎng)頁設(shè)計、微信小程序開發(fā)、成都網(wǎng)站開發(fā)、成都網(wǎng)站制作、成都軟件開發(fā)、重慶APP開發(fā)是成都本地專業(yè)的網(wǎng)站建設(shè)和網(wǎng)站設(shè)計公司，等你一起來見證！

網(wǎng)絡建議
? 建議使用萬兆網(wǎng)絡或更高速度網(wǎng)絡
– 如要充分利用磁盤并行操作帶寬，至少需要萬兆網(wǎng)絡
– 即使帶寬足夠，使用高帶寬網(wǎng)絡也能帶來性能提升
? 對網(wǎng)絡帶寬敏感的場景：
– ETL類型或其他高輸入輸出數(shù)據(jù)量的MapReduce任務
– 對于空間或者電力資源有限的環(huán)境中，可使用大容量節(jié)點并配合高速度網(wǎng)絡
– HBase等時延敏感類應用也對網(wǎng)絡傳輸速度有要求

傳統(tǒng)樹狀網(wǎng)絡
? 網(wǎng)絡超額(Oversubscription)
– 通過增加層次擴充網(wǎng)絡，但會有如下問題
– 節(jié)點間網(wǎng)絡距離增加
– 網(wǎng)絡超額問題惡化
? 因此盡量采用超多端×××換機或擴充交換機背板擴充端口容量
– 小型或中型網(wǎng)絡可以使用雙層樹形架構(gòu)
– 僅通過頂層交換機上行端口和外部系統(tǒng)進行交互
– 避免Hadoop的網(wǎng)絡傳輸風暴污染外部網(wǎng)絡

組件架構(gòu)
? 管理節(jié)點(Head/Master Node)：如NameNode, Yarn及Master等
– 提供關(guān)鍵的、集中的、無替代的集群管理服務
– 若該管理服務停止，則對應集群Hadoop服務停止
– 需要可靠性高的硬件設(shè)備
? 數(shù)據(jù)節(jié)點(Data/Worker/Slave Node)
– 處理實際任務，如數(shù)據(jù)存儲，子任務執(zhí)行等
– 同節(jié)點運行多個服務，為保證局部性
– 若該服務停止，則由其他節(jié)點自動代替服務
– 硬件各部件皆可能損壞，但能方便的替換
? 邊緣節(jié)點(Edge Node)
– 對外提供Hadoop服務代理以及包裝
– 作為客戶端訪問實際Hadoop服務
– 需要可靠性高的硬件設(shè)備

管理節(jié)點硬件要求
? 管理節(jié)點角色主要包括NameNode，Secondary NameNode，Yarn RM
– Hive Meta Server以及Hive Server通常部署在管理節(jié)點服務器上
– Zookeeper Server以及Hmaster可以選取數(shù)據(jù)節(jié)點服務器，由于一般負載有限，對節(jié)點無太大特殊要求
– 所有HA候選服務器(Active以及Standby)使用相同配置
– 通常對內(nèi)存要求高但對存儲要求低
? 建議使用高端PC服務器甚至小型機服務器，以提高性能和可靠性
– 雙電源、冗余風扇、網(wǎng)卡聚合、RAID…
– 系統(tǒng)盤使用RAID1
– 由于管理節(jié)點數(shù)目很少且重要性高，高配置一般不是問題

數(shù)據(jù)節(jié)點配置策略建議
? 數(shù)量少但單點性能高的集群 vs. 數(shù)量多但單點性能低的集群
– 一般而言，使用更多的機器而不是升級服務器配置
– 采購主流的最”合算”配置的服務器，可以降低整體成本
– 數(shù)據(jù)多分布可獲得更好的scale-out并行性能以及可靠性
– 需要考慮物理空間、網(wǎng)絡規(guī)模以及其他配套設(shè)備等綜合因素來
? 考慮集群服務器數(shù)目
– 計算密集型應用考慮使用更好的CPU以及更多的內(nèi)存

內(nèi)存需求計算
? 需要大內(nèi)存的主節(jié)點角色：
– NameNode, Secondary NameNode,YARN AM, Hbase Regionserver
? 節(jié)點內(nèi)存算法：
– 大內(nèi)存角色內(nèi)存相加
– 計算類應用需要大內(nèi)存，如Spark/Impala建議至少256GB內(nèi)存

硬盤容量選擇
? 通常建議使用更多數(shù)目的硬盤
– 獲得更好的并行能力
– 不同的任務可以訪問不同的磁盤
– 8個1.5TB的硬盤性能好于6個2TB的硬盤
– 除去數(shù)據(jù)永久存儲需求外，一般建議預留20%至30%的空間用于存儲臨時數(shù)據(jù)
? MapReduce任務中間數(shù)據(jù)
? 實際部署中每服務器配備12個硬盤非常常見
– 單節(jié)點存儲容量大值不超過48TB

存儲服務需求

數(shù)據(jù)源	Hadoop方式物理存儲容量	數(shù)據(jù)節(jié)點數(shù)量
原始文件、數(shù)據(jù)量 625T	625TB3(復制份數(shù))0.3(壓縮比)/80%(硬盤利用率)=703TB(只存放明細數(shù)據(jù)，無表，無MR）	按30T每節(jié)點703TB/30*1.05(冗余度)=25 臺
Hbase 和 Cassandra	數(shù)據(jù)服務：假設(shè)歷史數(shù)據(jù)量為2.6T，每日增量為55G，數(shù)據(jù)保留365天，3副本使用壓縮時：( 2.6 + 0.055365 )1.3*1.2（key開銷）/70%(硬盤利用率)=51T	按30T每節(jié)點51T/30*1.3(冗余度)=3臺打開WAL時需增加：region server wal大小(通常小於RS內(nèi)存的一半)

服務器配置建議

	管理服務器	數(shù)據(jù)服務器	邊緣服務器
CPU	2*E5-2620v4	2*E5-2620v4	2*E5-2620v4
硬盤	SAS 600GB*4；RAID0+1	SAS 600GB2；SATA? 2T15	SAS 600GB2；SATA? 2T15
內(nèi)存	256G ECC	256G ECC	256G ECC
網(wǎng)絡	雙萬兆網(wǎng)卡	雙萬兆網(wǎng)卡	雙萬兆網(wǎng)卡
數(shù)量	3	30	3

另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

新聞標題：CDH初期集群構(gòu)建方案建議-創(chuàng)新互聯(lián)
文章起源：http://weahome.cn/article/icspd.html