知识卡片
运营商大数据存算分离
运营商大数据场景(如5G日志留存、经营分析、详单)数据规模达PB级且增长快,传统存算一体架构让计算与存储等比例扩容,CPU与存储利用率失衡、资源浪费。存算分离把Hadoop计算组件和HDFS存储资源解耦:计算层仍跑在服务器上,存储层改用专业大数据存储为计算层供数。用途是让计算、存储各自按需扩展、互不干扰,一套存储池还能对接多个大数据平台共享访问。边界上,分离引入了存储与计算间的网络路径,对网络带宽与时延有要求;反例是继续用三副本存算一体,扩容时CPU空转、成本高。
[[政务融合存储资源池]] 同样强调资源池化与按需分配,思路一致。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 存储解决方案 13.1.1 运营商大数据解决方案 · 查看原书依据
大数据存算分离方案,本质上将Hadoop计算组件和HDFS存储资源分开,Hadoop平台和组件部署在服务器上,存储层采用专业大数据存储为计算层提供存储资源,大数据存算分离方案架构图如图13.2所示。
参考来源
- 位置:《数据存储架构与技术(第2版)》第13章《13.1.1 运营商大数据解决方案》(源文件:extracted/数据存储架构与技术(第2版)/_epub-src/converter-master/example/312279/241.html)
- 结论依据:原文定义大数据存算分离方案"本质上将Hadoop计算组件和HDFS存储资源分开",存储层采用专业大数据存储为计算层提供存储资源,支撑了解耦与按需扩展的结论。
- 原始内容:大数据存算分离方案,本质上将Hadoop计算组件和HDFS存储资源分开,Hadoop平台和组件部署在服务器上,存储层采用专业大数据存储为计算层提供存储资源,大数据存算分离方案架构图如图13.2所示。