Hadoop的分布式计算框架VS常用分布式计算框架
ccwgpt 2024-10-04 13:44 28 浏览 0 评论
HDFS是Hadoop的分布式文件系统，现在我们已经把那些超大文件划分成数据块，做了备份并且存储在集群中的节点上了，整个集群中有的机器扮演着管理者，是namenode的角色，是客户端访问Hadoop平台的入口，也负责维护HDFS的高可用性和容错性。而有些机器则是工作者，是datanode的角色，负责存储数据块，向namenode上报自己都存储了哪些数据块。
有了分布式存储的文件系统，分布式计算也是数据挖掘，大数据上的必备神器。针对不同的需求出现了下面几种分布式计算框架。
MR(Map-Reduce)主要负责离线计算，一般处理的数据量特别大，对实时性要求不高，不要求很快就会计算出结果，MR的输入就是HDFS文件系统中的数据块。
优点：
大规模处理数据，隐藏细节，能够自动并行化，负载均衡和容错机制。
伸缩性好，可以增加集群中的机器，对MR的计算影响很小。
缺点：
实时性差，响应缓慢，不能快速得出计算结果，延迟大。
Storm一种流式分布式计算框架，用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域，主要针对的是Hadoop延迟大，响应缓慢，运维复杂而提出的分布式计算框架。
优点：
实时性高，延迟低，并且和MR一样具备分布式，可扩展，容错性高等优点。
缺点：
数据入口的设置比较困难，在考虑如何在流中保存状态，还需要考虑如何将大数据放到分布式平台上去跑，Storm还不是一个完整的解决方案。
Spark基于内存的分布式计算框架，能够快速得到结果。它将中间数据放到内存中，迭代效率更高，反复操作的次数越多，并且读取的数据量越大，那么因为它把中间结果放到了内存中，迭代起来更快，计算效率越高。
优点：
Spark最大的优点在于速度，Spark将很多操作都保存在内存中，在高级数据处理上要比Hadoop表现优异。
缺点：
目前还没有发现Spark的缺点。
虽然Hadoop主要以MR为分布式计算框架，并且有了升级版的MR--Yarn，但现在Spark已经和Hadoop进行了结合，Spark可以直接读写Hadoop的分布式文件系统HDFS，在数据仓库上Spark也借用了Hive,基本上已经实现了兼容。
Map-Reduce中的Map为映射，而Reduce则是针对Map处理后的结果进行化简。这里涉及到Map-Reduce的一个问题:Map-Reduce是如何解决数据负载和数据均衡问题的？先给大家放张图，下篇文章将从Map-Reduce的工作原理上来阐述这个问题。
相关推荐
- 十分钟让你学会LNMP架构负载均衡（impala负载均衡）
-
业务架构、应用架构、数据架构和技术架构一、几个基本概念1、pv值pv值(pageviews):页面的浏览量概念：一个网站的所有页面，在一天内，被浏览的总次数。(大型网站通常是上千万的级别)2、u...
- AGV仓储机器人调度系统架构（agv物流机器人）
-
系统架构层次划分采用分层模块化设计，分为以下五层：1.1用户接口层功能：提供人机交互界面（Web/桌面端），支持任务下发、实时监控、数据可视化和报警管理。模块：任务管理面板：接收订单（如拣货、...
- 远程热部署在美团的落地实践（远程热点是什么意思）
-
Sonic是美团内部研发设计的一款用于热部署的IDEA插件，本文其实现原理及落地的一些技术细节。在阅读本文之前，建议大家先熟悉一下Spring源码、SpringMVC源码、SpringBoot...
- springboot搭建xxl-job(分布式任务调度系统)
-
一、部署xxl-job服务端下载xxl-job源码：https://gitee.com/xuxueli0323/xxl-job二、导入项目、创建xxl_job数据库、修改配置文件为自己的数据库三、启动...
- 大模型:使用vLLM和Ray分布式部署推理应用
-
一、vLLM：面向大模型的高效推理框架1.核心特点专为推理优化：专注于大模型（如GPT-3、LLaMA）的高吞吐量、低延迟推理。关键技术：PagedAttention：类似操作系统内存分页管理，将K...
- 国产开源之光【分布式工作流调度系统】:DolphinScheduler
-
DolphinScheduler是一个开源的分布式工作流调度系统，旨在帮助用户以可靠、高效和可扩展的方式管理和调度大规模的数据处理工作流。它支持以图形化方式定义和管理工作流，提供了丰富的调度功能和监控...
- 简单可靠高效的分布式任务队列系统
-
#记录我的2024#大家好，又见面了，我是GitHub精选君！背景介绍在系统访问量逐渐增大，高并发、分布式系统成为了企业技术架构升级的必由之路。在这样的背景下，异步任务队列扮演着至关重要的角色，...
- 虚拟服务器之间如何分布式运行?（虚拟服务器部署）
-
在云计算和虚拟化技术快速发展的今天，传统“单机单任务”的服务器架构早已难以满足现代业务对高并发、高可用、弹性伸缩和容错容灾的严苛要求。分布式系统应运而生，并成为支撑各类互联网平台、企业信息系统和A...
- 一文掌握 XXL-Job 的 6 大核心组件
-
XXL-Job是一个分布式任务调度平台，其核心组件主要包括以下部分，各组件相互协作实现高效的任务调度与管理：1.调度注册中心（RegistryCenter）作用：负责管理调度器（Schedule...
- 京东大佬问我,SpringBoot中如何做延迟队列?单机与分布式如何做?
-
京东大佬问我,SpringBoot中如何做延迟队列？单机如何做？分布式如何做呢？并给出案例与代码分析。嗯，用户问的是在SpringBoot中如何实现延迟队列，单机和分布式环境下分别怎么做。这个问题其实...
- 企业级项目组件选型(一)分布式任务调度平台
-
官网地址：https://www.xuxueli.com/xxl-job/能力介绍架构图安全性为提升系统安全性，调度中心和执行器进行安全性校验，双方AccessToken匹配才允许通讯；调度中心和执...
- python多进程的分布式任务调度应用场景及示例
-
多进程的分布式任务调度可以应用于以下场景：分布式爬虫：importmultiprocessingimportrequestsdefcrawl(url):response=re...
- SpringBoot整合ElasticJob实现分布式任务调度
-
介绍ElasticJob是面向互联网生态和海量任务的分布式调度解决方案，由两个相互独立的子项目ElasticJob-Lite和ElasticJob-Cloud组成。它通过弹性调度、资源管控、...
- 分布式可视化 DAG 任务调度系统 Taier 的整体流程分析
-
Taier作为袋鼠云的开源项目之一，是一个分布式可视化的DAG任务调度系统。旨在降低ETL开发成本，提高大数据平台稳定性，让大数据开发人员可以在Taier直接进行业务逻辑的开发，而不用关...
- SpringBoot任务调度:@Scheduled与TaskExecutor全面解析
-
一、任务调度基础概念1.1什么是任务调度任务调度是指按照预定的时间计划或特定条件自动执行任务的过程。在现代应用开发中，任务调度扮演着至关重要的角色，它使得开发者能够自动化处理周期性任务、定时任务和异...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- MVC框架 (46)
- spring框架 (46)
- 框架图 (58)
- flask框架 (53)
- quartz框架 (51)
- abp框架 (47)
- jpa框架 (47)
- laravel框架 (46)
- springmvc框架 (49)
- 分布式事务框架 (65)
- scrapy框架 (56)
- shiro框架 (61)
- 定时任务框架 (56)
- java日志框架 (61)
- JAVA集合框架 (47)
- grpc框架 (55)
- ppt框架 (48)
- 内联框架 (52)
- winform框架 (46)
- gui框架 (44)
- cad怎么画框架 (58)
- ps怎么画框架 (47)
- ssm框架实现登录注册 (49)
- oracle字符串长度 (48)
- oracle提交事务 (47)