本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

百度Hadoop分布式系统揭秘:4000节点集群(转)

hadoop培训 cdadata 402℃ 0评论

百度Hadoop分布式系统揭秘:4000节点集群

在 NoSQL 方面,之前了解到百度对 Hadoop 和 hypertable 都有研究,而且 hypertable 方面更是作为其主要赞助商之一,但之前和百度的一些朋友了解到百度内部对 hypertable 倒是使用不多,相反在 Hadoop 方面倒是有比较大的应用实例。下面一篇文章描述了百度内部4000个结点的 Hadoop 集群的一些技术细节。

百度的高性能计算系统(主要是后端数据训练和计算)目前有4000节点,超过10个的集群,最大的集群规模在1000个节点以上。每个节点由8核 CPU以及16G内存以及12TB硬盘组成,每天的数据生成量在3PB以上。规划当中的架构将有超过1万个节点,每天的数据生成量在10PB以上。

百度Hadoop分布式系统揭秘:4000节点集群

底层的计算资源管理层采用了Agent调度不同类型的计算分别给MPI结构的算法和Map-Reduce和DAG算法应用等。而通过调度的分配,可以让HPC高性能计算集群和大规模分布式集群各得其所的计算相应数据。

百度Hadoop分布式系统揭秘:4000节点集群

百度通过HCE对streaming作业的排序,压缩,解压缩,内存控制进行了优化并提供了C++版的MapReduce接口。

百度Hadoop分布式系统揭秘:4000节点集群

百度Hadoop分布式系统揭秘:4000节点集群

百度Hadoop分布式系统揭秘:4000节点集群

百度Hadoop分布式系统揭秘:4000节点集群

百度HCE语言的有关内容,HCE是基于C++的Hadoop环境,是一个全功能C++环境,可以避开Java语言对于释放内存和资源申请的弊端,并在调用数据时绕开Java语言的所有关节,极大的提升算法效率。

百度Hadoop分布式系统揭秘:4000节点集群

百度的调度器是在capacity-scheduler的基础上根据自身业务改进的。

百度Hadoop分布式系统揭秘:4000节点集群

百度计划对shuffle流程进行大幅改造

转载请注明:数据分析 » 百度Hadoop分布式系统揭秘:4000节点集群(转)

喜欢 (0)or分享 (0)
发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址