Archive

Posts Tagged ‘擴展性’

大數據部署前需考慮的六個重點

December 3rd, 2014 No comments

香港企業採用大數據技術仍在起步,要考慮的事的確很多,但筆者認為廠商經常說得過於複雜,令企業設計大數據架構時存有疑問,例如在建構時選取那種制定方案使用方法及規模,相信是很多決策人希望了解的事,那麼我們嘗試化繁為簡,由淺入深了解部署時的考慮點。

在我們考慮大數據時,注意力放在「大」這個字,但是在建設基礎架構時,我們還應該注意「分散式」的數據處理。事實上,大數據軟件需要處理大量資訊,而且在將資料複製到多個位置時,數據的容量便會倍增。但是,大數據的最重要屬性並不在於它的規模,而在於它將大作業分割成許多小作業的能力,它能夠將一個任務的資源分散到多個位置變為同時處理。在將大規模和分散式架構組合在一起時,我們就能發現大數據網路有一組特殊的需求,下面是需要考慮的六個要素:

1. 不容有失 提升網路彈性

如果有一組分散式資源必須通過互聯網進行協調時,可用性就變得非常重要。萬一網路出現故障,便會出現不連續的計算資源與資料庫崩壞。說白一點,大多數網路工程師的主要關注點是正常執行時間,但是,網路故障的原因又各不相同,包括設備故障(硬體與軟體)、維護和人為錯誤。我們都知道伺服器故障是避無可避,網路的可用性也很重要,所謂完美的設計其實是不存在。

網路架構師應該設計一些能適應故障的彈性網路,網路的彈性取決於路徑多樣性(資源之間設置多條路徑)和容錯轉移(能夠快速發現問題和轉移到其他路徑上)。除了傳統的平均故障時間間隔(MTBF)方法,大數據網路的設計標準一定要包括這些架構。

2. 解決網路擁塞

大數據應用程式不僅僅是規模大,而且還有突發性的流量「洪峰」。當一個程序啟動後,數據就開始流轉,在高流量時段時擁塞造成的問題可以很嚴重,例如可能引起更多的Queues增加延遲和packet lost。網絡擁塞還可能令請求多次發出,這可能讓本身負載繁重的網路無法承受。因此,網路架構設計時應該盡可能減少擁塞點,要網路具有較高的路徑多樣性,這樣才能容許網路流量分流到大量不同的路徑上。

3. 性能一致要比遲延性更重要

實際上,大多數大數據應用程式對網路延遲並不敏感。如果運算時間以秒計或以分鐘計的話,即使出現較大延遲也是可以接受,例如為幾千ms。然而,大數據應用程式一般具有較高的同步性。這意味著作業是並存執行的,而各個作業之間較大的性能差異可能會引發應用程式故障。除第1至2點提到網路的高效性,空間和時間上也要具有一致的性能。

4. 預留未來的擴展性

大多數大數據叢集實際上並不大,根據Hadoop Wizard的資料,2013年大數據叢集的平均節點數量只有100個。換句話說,即使每一台伺服器配置雙重redundancy,支援整個叢集也只需要4個接入switch (假設是分別有72個10GbE網絡接口的Switch)。

擴展性並不在於現在叢集有多大規模,而是在乎如何平衡地擴展支援未來的部署規模。如果基礎架構設計現在只適合小規模部署,那麼整個架構將如何隨著節點數量的增加而不斷進化?未來何時需要完全重新設計?這個架構是否需要一些近程資料和資料位置資訊?關鍵是擴展性並不在於絕對規模,而是更關注於實現足夠規模解決方案的路徑。

5. 網路分割 關鍵任務先行

網路分割是大數據應用環境的重要條件,形式上,要將大數據的流量與其他網路流量區分開來,這樣應用程式產生的突發流量才不會影響其他關鍵任務網絡負載。除此之外,運行多個作業的多個用戶,以滿足性能、合規性和審計的要求。這些工作要求在一些場合中實現網路負載的邏輯分離,某些場合還要作物理分離。

6. 應用感知力

雖然大數據的概念與Hadoop部署關係密切,但是它已經成為叢集環境的代名詞。根據不同應用程式的特點,環境的需求隨之不同。有一些可能對頻寬要求高,一些則可能對延遲很敏感。總之,一個網路要支援多應用程式和多用戶,它就必須要能夠區分自己的工作負載,並且要能夠正確處理各個工作負載,不僅僅是提供足夠的頻寬。

最後,應用程式體驗取決於很多因素,包括網路擁塞和分割。創建一個滿足所有這些需求的網路需要具備前瞻性,不僅要考慮基礎架構能夠支援的伸縮規模,還要考慮不同類型的應用程式如何共存於同一環境中。

以上資訊由www.hkitblog.com提供