网易视频云：kudu,支持快速分析的新型hadoop存储系统

《网易视频云：kudu,支持快速分析的新型hadoop存储系统》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、网易视频云：Kudu，支持快速分析的新型Hadoop存储系统网易视频云是网易倾力打造的一款基于云计算的分布式多媒体处理集群和专业音视频技术，为客户提供稳定流畅、低时延、高并发的视频直播、录制、存储、转码及点播等音视频的PaaS服务。在线教育、远程医疗、娱乐秀场、在线金融等各行业及企业用户只需经过简单的开发即可打造在在线音视频平台。Kudu是Cloudera开源的新型列式存储系统，是ApacheHadoop生态圈的新成员之一（incubating），专门为了对快速变化的数据进行快速的分析，填补了以往

2、Hadoop存储层的空缺。本文主要对Kudu的动机、背景，以及架构进行简单介绍。背景——功能上的空白       Hadoop生态系统有很多组件，每一个组件有不同的功能。在现实场景中，用户往往需要同时部署很多Hadoop工具来解决同一个问题，这种架构称为混合架构(hybridarchitecture)。比如，用户需要利用Hbase的快速插入、快读randomaccess的特性来导入数据，HBase也允许用户对数据进行修改，HBase对于大量小规模查询也非常迅速。同时，用户使用HDFS/Parque

3、t+Impala/Hive来对超大的数据集进行查询分析，对于这类场景，Parquet这种列式存储文件格式具有极大的优势。       很多公司都成功地部署了HDFS/Parquet+HBase混合架构，然而这种架构较为复杂，而且在维护上也十分困难。首先，用户用Flume或Kafka等数据Ingest工具将数据导入HBase，用户可能在HBase上对数据做一些修改。然后每隔一段时间(每天或每周)将数据从Hbase中导入到Parquet文件，作为一个新的partition放在HDFS上，最后使用Imp

4、ala等计算引擎进行查询，生成最终报表。       这样一条工具链繁琐而复杂，而且还存在很多问题，比如：· 如何处理某一过程出现失败？· 从HBase将数据导出到文件，多久的频率比较合适？· 当生成最终报表时，最近的数据并无法体现在最终查询结果上。· 维护集群时，如何保证关键任务不失败？· Parquet是immutable，因此当HBase中删改某些历史数据时，往往需要人工干预进行同步。       这时候，用户就希望能够有一种优雅的存储解决方案，来应付不同类型的工作流，并保持高性能的计算能力

5、。Cloudera很早就意识到这个问题，在2012年就开始计划开发Kudu这个存储系统，终于在2015年发布并开源出来。Kudu是对HDFS和HBase功能上的补充，能提供快速的分析和实时计算能力，并且充分利用CPU和I/O资源，支持数据原地修改，支持简单的、可扩展的数据模型。背景——新的硬件设备       RAM的技术发展非常快，它变得越来越便宜，容量也越来越大。Cloudera的客户数据显示，他们的客户所部署的服务器，2012年每个节点仅有32GBRAM，现如今增长到每个节点有128GB或2

6、56GBRAM。存储设备上更新也非常快，在很多普通服务器中部署SSD也是屡见不鲜。HBase、HDFS、以及其他的Hadoop工具都在不断自我完善，从而适应硬件上的升级换代。然而，从根本上，HDFS基于03年GFS，HBase基于05年BigTable，在当时系统瓶颈主要取决于底层磁盘速度。当磁盘速度较慢时，CPU利用率不足的根本原因是磁盘速度导致的瓶颈，当磁盘速度提高了之后，CPU利用率提高，这时候CPU往往成为系统的瓶颈。HBase、HDFS由于年代久远，已经很难从基本架构上进行修改，而Kud

7、u是基于全新的设计，因此可以更充分地利用RAM、I/O资源，并优化CPU利用率。我们可以理解为，Kudu相比与以往的系统，CPU使用降低了，I/O的使用提高了，RAM的利用更充分了。 简介       Kudu设计之初，是为了解决一下问题：· 对数据扫描(scan)和随机访问(randomaccess)同时具有高性能，简化用户复杂的混合架构· 高CPU效率，使用户购买的先进处理器的的花费得到最大回报· 高IO性能，充分利用先进存储介质· 支持数据的原地更新，避免额外的数据处理、数据移动· 支持跨数

8、据中心replication       Kudu的很多特性跟HBase很像，它支持索引键的查询和修改。Cloudera曾经想过基于Hbase进行修改，然而结论是对HBase的改动非常大，Kudu的数据模型和磁盘存储都与Hbase不同。HBase本身成功的适用于大量的其它场景，因此修改HBase很可能吃力不讨好。最后Cloudera决定开发一个全新的存储系统。       Kudu的定位是提供”fastanalyticsonfastdata”，也就是在快速更新的数据上进行快速的查询