知识卡片
弹性资源依赖软件容错
弹性资源让作业按需临时增加计算节点;当这些节点可能被收回时,作业必须能够应对节点消失。书中用MapReduce的软件容错解释为何可利用这种不稳定资源:失去一台机器不应等同于整次计算不可恢复。这个例子用于理解资源成本与恢复能力的配合;书中关于AWS竞价和回收的描述是历史机制,实际使用须另查当期规则。
与[[MapReduce抽象]]的联系:任务重试能力支撑使用可能被收回的弹性计算资源。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
如MapReduce的分布式计算系统,由于在软件层处理容错性,因此它们是很好的选择。 1.8.3 大数据充满活力的开源生态系统 在过去的几年里,开源社区创造了数量庞大的大数据技术。
参考来源
- 位置:《大数据系统构建:可扩展实时数据系统构建原理与最佳实践》第1章《大数据的新范式》(来源项目 book-sources;源文件:extracted/大数据系统构建:可扩展实时数据系统构建原理与最佳实践/_epub-src/OEBPS/Text/015.xhtml)
- 结论依据:原文把可随时消失的实例与MapReduce软件容错联系;不把当年的价格或竞价策略推广为当前事实。
- 原始内容:如MapReduce的分布式计算系统,由于在软件层处理容错性,因此它们是很好的选择。 1.8.3 大数据充满活力的开源生态系统 在过去的几年里,开源社区创造了数量庞大的大数据技术。