大数据与云计算的深度融合,体现在以下几个方面:
序列号 | CPU | RAM | HDD | 带宽 | 售价(美元) | 免费试用 |
---|---|---|---|---|---|---|
香港服务器1 | E5-2620 | 32G | 1T HDD | 50M/无限流量 | $196.00 | 立即申请 |
香港服务器2 | E5-2650 | 32G | 1T HDD | 50M/无限流量 | $256.00 | 立即申请 |
香港服务器3 | E5-2680 | 32G | 1T HDD | 50M/无限流量 | $316.00 | 立即申请 |
香港服务器4 | E5-2690 | 32G | 1T HDD | 50M/无限流量 | $336.00 | 立即申请 |
香港服务器5 | E5-2697 | 32G | 1T HDD | 50M/无限流量 | $376.00 | 立即申请 |
香港服务器6 | E5-2620*2 | 32G | 1T HDD | 50M/无限流量 | $376.00 | 立即申请 |
香港服务器7 | E5-2650*2 | 32G | 1T HDD | 50M/无限流量 | $436.00 | 立即申请 |
香港服务器8 | E5-2680*2 | 32G | 1T HDD | 50M/无限流量 | $476.00 | 立即申请 |
香港服务器9 | E5-2690*2 | 32G | 1T HDD | 50M/无限流量 | $556.00 | 立即申请 |
香港服务器10 | E5-2697*2 | 32G | 1T HDD | 50M/无限流量 | $596.00 | 立即申请 |
香港服务器11 | E5-2680v4*2 | 32G | 1T HDD | 50M/无限流量 | $696.00 | 立即申请 |
香港服务器12 | E5-2698v4*2 | 32G | 1T HDD | 50M/无限流量 | $796.00 | 立即申请 |
一、应用方的大数据平台上云:
使用大数据技术的业务应用建设方,不再自建数据中心,而是将大数据平台搬到了云上,有的是在云厂商的 IaaS 层上自建大数据平台,现在以这种方式在云上使用大数据的案例已经比较少了,有的直接使用云厂商提供的 PaaS 层大数据相关产品,有的甚至直接使用云厂商推出的 SaaS层大数据相关产品。现在“上云”有一点趋势需要强调下,就是大家都很重视不 vendor-lockin,底层的云可能是多个公有云和私有的融合的 hybrid-cloud;
二、云计算厂商在不断推出自己基于大数据的各种增值服务:
为了提高自己的市场竞争力,以进一步巩固/拓宽自己的市场地位,各大云厂商也在积极推出自己整合的大数据相关产品,有最基础的 s3/oss, emr/e-mapreduce,有上文的aws redshift,阿里云的maxcompute,除此之外,还有各种云上数据库,云上 serverless 形态的各种大数据服务等等,这个名单还在不断增长中,以下截图可见一斑:
三、各传统大数据厂商已经转向依托云来提供自己的产品和服务:
如 elastic 很早就开始基于云交付自己的elk 技术栈了,如databricks的大数据平台和产品一直都是基于云来向客户提供服务的,如 cloudera 不断探索改变自己的商业模式;
四、各个具体的大数据组件都在主动改变自身架构,积极向云原生靠拢以“云化”:
从理念层面讲,大数据已经从最早的强调“数据本地性”和“移动数据不如移动计算”的理念,演进到了现在的强调“存储计算分离”的理念。各个新推出的组件和框架主动拥抱云原生,如pulsa,TiDB等都是依托于存储计算分离的云原生架构;各个传统的组件虽然有历史包袱,也在不断求新求变,如flink/spark都深度整合支持了kubernetes集群模式;如kafka也在不断探索如花云化:包括完全去掉zookeeper依赖,包括Rebalance Protocol的 Static Membership等;正如古语所言,“顺则昌不顺则亡”,一些不适应云原生架构的技术组件,其市场正在不断萎缩,如很多场景下,kubernetes都替代了yarn,对象存储oss/s3等也在替代hdfs ,我们也注意到了apache 社区推出的Ozone,该组件在对象存储的基础上,也融合推出了文件系统api,该组件的背后有很多原hdfs社区的committer在贡献代码,在cloudera的cdp平台中也内嵌支持了该组件。下图展示了flink/spark跟kubernetes的深度整合:(注意不是简单的使用k8s operator将spark/flink作业运行在k8s集群中,而是native的深度的整合)