Track A-1: Cloudera 大數據產品和技術最前沿資訊報告
65 likes6,322 views
该文档介绍了Cloudera及其Hadoop生态系统的技术架构，包括数据价值挖掘、Hadoop的分布式存储和处理功能。Cloudera作为Hadoop的主要发行版提供商，提供全面的企业解决方案和安全管理。文档还探讨了多种数据处理引擎、实时数据分析及相关的产品服务。
Track A-1: Cloudera 大數據產品和技術最前沿資訊報告
- 1. 1 © Cloudera, Inc. All rights reserved. Hadoop技术最前沿资讯报告 和Cloudera大数据产品介绍 Kai X. Miao (苗凯翔), Vice President@Cloudera
- 2. 2 © Cloudera, Inc. All rights reserved. PresentaCon Content • IntroducCon -‐ Create Value from Big Data • Hadoop Technology Ecosystem • About Cloudera • Cloudera Enterprise Data Hub (EDH) • Cloudera Services • Conclusion
- 3. 3 © Cloudera, Inc. All rights reserved. 数据价值挖掘 体量大 速度快 多样性 价值密度低 日志 社交数据 用户行为 机器数据 图片 音频 视频 传感器 运营数据 … Value - 更好地理解并服务客户 - 精细化运营管理 - 个性化医疗健康服务 - 公共事业服务 - 安全和合规性检查 - 用户标签 - 行为分析 - 文本分析 - 情感分析 - 图片分析 - 音频分析 - 轨迹分析 - …
- 4. 4 © Cloudera, Inc. All rights reserved. Hadoop Technology Ecosystem HDFS MapReduce, Spark YARN Distributed Storage Distributed Processing Distributed Scheduling Sqoop Flume Chukwa Data IntegraCon Data Access Data Storage Data SerializaCon Data Intelligence Java Virtual Machines OperaCng System (RedHat, Ubuntu, Windows) Pig Hive HBase Cassandra HCatalog Lucene/Solr Ka_a Samza Avro Thri` Mahout Zookeeper Oozie Ambari Management, Monitoring, OrchistraCon Impala Spark Streaming SparkSQL Spark MLLib Parquet Storm Hive over Spark GraphX
- 5. 5 © Cloudera, Inc. All rights reserved. About Cloudera 创立 成立于2008，企业级Hadoop产品提供商 员工数量 超过900名 全球支持 24x7 全球支持 创新的主动支持和预测支持项目 客户群 全行业客户(金融、电信、零售、能源、互联网、媒体等） 各行业的顶尖企业都有Cloudera Enterprise部署 强大的产业链 数百个生态链合作伙伴; Cloudera Connect Program (CCP) 培训和认证 超过100,000管理员、开发者等受训；最有价值的大数据证书 开源领导者 Hadoop及其相关生态项目的绝对领导者，和Intel合作加速 企业数据中心的革新 Cloudera中国 2014年12月成立，上海是大中华区总部，负责产品培训、 专业技术服务和产品支持，在北京和广州有本地支持
- 6. 6 © Cloudera, Inc. All rights reserved. Cloudera和Hadoop生态 • Cloudera是Hadoop项目的最大贡献者，同时也是No.1的Hadoop发行版提供商 • Hadoop平台标准化的领导者 • 数据采集 – Flume, Sqoop • 数据存储 – HDFS, HBase, Avro, Parquet • 数据处理 – MapReduce, Spark, Hive • 数据分析 – Impala, Solr JIRA ContribuCons, Source: ApacheJIRA January 2012 – February 2015 52% Hortonworks IBM MapR Microso` Pivotal Databricks Projects Included: Accumulo Avro Bigtop Crunch Flume Hadoop Core HBase Hive Ka_a Mahout Oozie Pig Solr Spark Sqoop Tez ZooKeeper
- 7. 7 © Cloudera, Inc. All rights reserved. CDH凝聚Cloudera在开源的贡献 • Cloudera有89位Hadoop以及相关生态的Commioers，涵盖： • Hadoop, HBase, Hive, Spark, Lucene/Solr, Flume, Sqoop等项目 • Cloudera提供了最多的企业级Hadoop功能 • HDFS/YARN HA, Hadoop Secure CommunicaCon, HDFS Short-‐Circuit, HDFS Caching, HDFS Transparent EncrypCon • HBase snapshots, HBase mulC-‐tenancy • HiveServer 2 (for SQL service), Hive-‐on-‐Spark • Spark Streaming exactly-‐once, Spark Shuffle OpCmizaCon • Solr + Hadoop IntegraCon • ……
- 8. 8 © Cloudera, Inc. All rights reserved. Cloudera产品和服务 • Cloudera Enterprise - Cloudera提供了100%开源的，开放标准的Apache Hadoop发行版（CDH） - 让Hadoop真正进入企业级应用的Cloudera Manager和Cloudera Navigator - 提供虚拟化和云化大数据方案的Cloudera Director • 业内最权威的Hadoop技能培训和认证 • 深耕于开源社区的专业技术支持团队和产品支持团队 Cloudera Enterprise 按年订阅 Hadoop 认证 培训 专业技术 咨询与服务 产品支持
- 9. 9 © Cloudera, Inc. All rights reserved. Cloudera Enterprise Data Hub (EDH) System and Data Management Process Ingest Sqoop, Flume, Ka_a Transform MapReduce, Hive, Pig, Spark Discover AnalyCc Database Impala Search Solr Model Machine Learning R, Spark Mllib, Mahout Serve NoSQL Database HBase Streaming Spark Streaming Unlimited Storage HDFS, HBase YARN, Cloudera Manager Cloudera Navigator Deployment Flexibility On-‐Premises Appliances Engineered Systems Public Cloud Private Cloud Hybrid Cloud 完善的企业安全策略 • 身份认证，授权，审计，数 据安全 • 数据可管理性 开放标准 • 100%开源Hadoop及其相关 组件 • 3rd标准的软件集成 • 开放API • 标准云服务集成 统一平台 • 数据导入导出 • 可扩展存储 • 多样化的处理引擎 • 安全 • 资源管理 • 元数据管理
- 10. 10 © Cloudera, Inc. All rights reserved. The Open Source Plasorm -‐ CDH
- 11. 11 © Cloudera, Inc. All rights reserved. CDH • CDH - 全球最流行的Hadoop发行版 - 最完整且稳定的版本，经过严格的行业检验 - 具有最快的更新，更多新的功能 - 方便开发者和集成商使用Hadoop • 和其他一些Hadoop发行版提供商对比 - Cloudera做Hadoop开发的，其他厂商仅是做Hadoop集成或CDH集成 - 和Hadoop trunk最快的同步，能保证业务的前向兼容性；其他厂商在 Hadoop上做的定制优化或修复，无法保证兼容性 - 所有组件的开发和专业支持能力，其他厂商也仅仅跟随Cloudera包含的版 本进行集成，缺乏问题修复和专业支持能力
- 12. 12 © Cloudera, Inc. All rights reserved. HDFS 分布式⽂文件系统 灵活性 多样化数据的统一存储 可扩展性 良好的线性可扩展性 高容错性 设计之初就考虑了高容错性 开放性 存储的数据格式和内容完全可见 适合⼤大⽂文件的顺序读写, 写一 次读多次 Enterprise Data Hub Security and AdministraCon Process Unlimited Storage Discover Model Serve
- 13. 13 © Cloudera, Inc. All rights reserved. Apache HBase 构建在分布式存储上的NoSQL数据库 和HDFS紧密结合，适合高并发 随机读写 具有分布式存储的所有优点 灵活性 多样化数据的统一存储 可扩展性 良好的线性可扩展性 开放性 存储的数据格式和内容完全可见 + 在线数据服务 Enterprise Data Hub Security and AdministraCon Unlimited Storage Process Discover Model Serve
- 14. 14 © Cloudera, Inc. All rights reserved. Apache Ka_a • 每个节点称为 Broker • 数据以 Topics方式写入Ka_a • 每一个Topic都可以被分片 • 分片分布在Broker上 • 分片可以有多个副本，其中一个 为Leader • Producer, Consumer都与parCCon 直接进行数据交换 Broker 1 Broker 2 Broker 3 ParCCon 1 (Leader) ParCCon 2 ParCCon 3 ParCCon 2 (Leader) ParCCon 1 ParCCon 3 ParCCon 3 (Leader) ParCCon 1 ParCCon 2 Producer Producer Consumer Consumer Ka_a Cluster 高性能分布式消息总线 与Hadoop紧密结合
- 15. 15 © Cloudera, Inc. All rights reserved. Ka_a + Apache Flume for ETL • Ka_a 可以被配置为 Flume 的Channel • Flume Sources 和 Sinks 可以配置成Ka_a的Consumer和Producer Flume Sources Consume from Ka5a: Write data to HDFS, HBase, or Search Flume Sinks Write to Ka5a: Read from logs, files, jms, hop, rpc, thri`, etc and write events to Ka_a
- 16. 16 © Cloudera, Inc. All rights reserved. 多样的工作引擎 • 批处理引擎（MapReduce, Hive, Spark） -‐ 适合长时间的数据处理作业，高 度成熟可靠 • 实时数据处理（Spark Streaming）-‐ 实时的数据同时，异常检测，预测分析等 • 自助BI分析/交互式SQL（Impala）– 准实时的分析作业，高效的数据探索式 分析，高并发的自助BI功能 • 搜索（Cloudera Search） -‐ 快速的跨应用数据搜索能力 • 数据挖掘（Spark Mllib, R, Mahout）-‐ 适合数据分析人员的快速模型创建，迭 代 • 在线服务（HBase）-‐ 提供实时的数据服务能力
- 17. 17 © Cloudera, Inc. All rights reserved. 交互式分析引擎Impala 构建于HDFS上的原生的分析型SQL 易用性 利用现有的SQL语法，和绝大多 数BI工具完美集成 高并发 为高并发的随机分析而优化， 用C++编写 交互性 提供交互式的体验 原生 和Hadoop栈深度融合 Enterprise Data Hub Security and AdministraCon Unlimited Storage Process Discover Model Serve
- 18. 18 © Cloudera, Inc. All rights reserved. Apache Spark 适合数据科学家的分布式内存计算引擎 灵活 多种接口，多种算法 高效 内存计算，适合迭代是计算 易用 好用且丰富的API 安全集成 和数据平台的其他功能无缝集成 适合批处理、流计算以及迭代 式计算 Enterprise Data Hub Security and AdministraCon Unlimited Storage Process Discover Model Serve
- 19. 19 © Cloudera, Inc. All rights reserved. SQL的实现途径 • Hive是一个SQL解析和优化层， 底层引擎可以是MapReduce或 是Spark • SparkSQL是Spark生态系统的一 个SQL解析和优化层，也需要借 助于Spark引擎 • Impala就是一个原生的SQL解析、 优化以及内存执行引擎，直接 操纵HDFS Unlimited Storage HDFS MapReduce Impala Spark Hive Spark SparkSQL
- 20. 20 © Cloudera, Inc. All rights reserved. 数据处理和分析 • 多样化的SQL解决方案 • 不同的需求需要不同的技术 • 互补而不是替代 实时监控 和分析 交互式分析和探 索式分析 批处理 时延要求 < 秒级 > 数秒到分钟 > 几十分钟以上 数据源
- 21. 21 © Cloudera, Inc. All rights reserved. 交互式SQL性能 0 50 100 150 200 250 300 350 Impala Spark SQL Presto Hive-‐on-‐Tez Time (in seconds) Single User vs 10 User Response Time/Impala Times Faster (Lower bars = beoer) Single User, 5 10 Users, 11 Single User, 25 10 Users, 120 10 Users, 302 10 Users, 202 Single User, 37 Single User, 77 5.0x 10.6x 7.4x 27.4x 15.4x 18.3x Independent valida,on by IBM Research SQL-‐on-‐Hadoop VLDB paper: “Impala’s database architecture provides significant performance gains”
- 22. 22 © Cloudera, Inc. All rights reserved. Cloudera Search 大数据平台内的搜索引擎 易用性 实现了企业内数据平台的搜索引擎 标准化 基于Solr的标准搜索实现 灵活性 实现了多种索引的构建方式 安全和集成 和Cloudera企业级功能的紧密集成 | Search 所有人都知道怎么搜索 Enterprise Data Hub Security and AdministraCon Unlimited Storage Process Discover Model Serve
- 23. 23 © Cloudera, Inc. All rights reserved. 实时搜索 HDFS Online Streaming Data End User Client App (e.g. Hue) Flume Raw, filtered, or annotated data SolrCloud Cluster(s) Indexed data MapReduce Batch Indexing w/ Morphlines GoLive updates HBase Cluster NRT ReplicaCon Events indexed w/ Morphlines OLTP Data Cloudera Manager Search queries NRT Data indexed w/ Morphlines
- 24. 24 © Cloudera, Inc. All rights reserved. 实时数据处理
- 25. 25 © Cloudera, Inc. All rights reserved. 企业消息总线
- 26. 26 © Cloudera, Inc. All rights reserved. Hue • 专门为Hadoop打造的用户界面 • HDFS的浏览以及管理 • HBase的管理 • 作业流设计，作业提交以及管理 • SQL操作前端 • 定制化的搜索前端 • 访问权限配置界面
- 27. 27 © Cloudera, Inc. All rights reserved. Security Infrastructure in Cloudera Enterprise – Apache Sentry & Cloudera Navigator
- 28. 28 © Cloudera, Inc. All rights reserved. 安全的挑战 • 越来越多的开发人员和业务人员会使用大数据平台 • 企业数据平台正成为黑客的主要目标 • Hadoop及衍生的众多项目缺乏统一的安全解决方案 • 传统的应用层安全方案难以胜任新平台 • 平台有多种接口给用户使用 • 传统方案中各应用系统相对独立 • 用户一旦突破应用层安全，数据平台就完全暴露 • 数据没有任何保护 • 访问没有任何限制
- 29. 29 © Cloudera, Inc. All rights reserved. 全面的安全管控 Apache Sentry, HDFS EncrypCon, Cloudera Navigator, Key Trustee • 数据平台的安全不可或缺： - 多样化的数据导入方式 - 多种引擎的协同工作 - 多业务的并发 - 多用户的访问 - 和企业的基础设施集成 - 符合行业的安全审查 1. Perimeter Standards-‐based AuthenCcaCon Security and AdministraCon Unlimited Storage Process Discover Model Serve 2. Access Unified Role-‐based AuthorizaCon 4. Data EncrypCon & Key Management 3. Visibility AudiCng & Governance
- 30. 30 © Cloudera, Inc. All rights reserved. 安全技术架构 认证, 授权, 审计, 以及行业监管规范 – 同一用户接口 Perimeter 限制什么样的用户可 以访问集群 Technical Concepts: AuthenCcaCon Network isolaCon Access 定义用户或者应用可 以访问什么数据 Technical Concepts: Permissions AuthorizaCon Data 敏感数据保护以防止 为授权的访问 Technical Concepts: EncrypCon, TokenizaCon, Data masking Visibility 数据从什么地方来以 及数据是怎么被用的 Technical Concepts: AudiCng Lineage Cloudera Manager Apache Sentry Cloudera Navigator Navigator Encrypt & Key Trustee | Partners
- 31. 31 © Cloudera, Inc. All rights reserved. 安全技术架构 AuthenCcaCon, AuthorizaCon, Audit, and Compliance Perimeter Guarding access to the cluster itself Technical Concepts: AuthenCcaCon Network isolaCon Access Defining what users and applicaCons can do with data Technical Concepts: Permissions AuthorizaCon Data ProtecCng data in the cluster from unauthorized visibility Technical Concepts: EncrypCon, TokenizaCon, Data masking Visibility ReporCng on where data came from and how it’s being used Technical Concepts: AudiCng Lineage Cloudera Manager Apache Sentry Cloudera Navigator Navigator Encrypt & Key Trustee | Partners
- 32. 32 © Cloudera, Inc. All rights reserved. 多层次的安全 • 多层级的身份认证（Cloudera Manager, Kerberos, AD, Hue） • 管理平台，运维人员，客户端，BI工具 • 统一的授权访问控制（Apache Sentry） • 在平台上提供统一的访问安全控制策略 • 数据保护（HDFS At-‐Rest EncrypCon, Navigator Encrypt, Navigator KeyTrustee） • On-‐the-‐wire和at-‐rest数据保护，并内置有Key Management方案 • 全面的审计（Cloudera Navigator） • 不管以什么方式进行访问集群，都会得到审计
- 33. 33 © Cloudera, Inc. All rights reserved. 外围安全需求 让⽤用户⾃自由选择需要的计算模块(例如 Impala, Spark) 任何计算模块拥有统⼀一的安全设置 实现已有的安全标准: AcCve Directory 和Kerberos 验证 Guarding access to the cluster itself InfoSec Concept: Authentication Cloudera Manager
- 34. 34 © Cloudera, Inc. All rights reserved. Cloudera Manager提供自动化用户验证 支持AD Kerberos 单点登录 Kerberos 配置向导 支持配置多KDC 用户验证和监控信息 • 用户直接通过AD进行单点登录 • Hadoop所有服务统一接受AD Kerberos验证 • 用户对Hadoop服务的访问权限由通过AD Groups控制 • 通过向导自动为当前集群配置Kerberos，简化繁琐的手动操作，避免各种可 能的错误流程 • 自动配置和调整多KDC协调工作 • 当Kerberos生效后，自动通过CM监控Kerberos验证状态
- 35. 35 © Cloudera, Inc. All rights reserved. 访问授权需求 提供⽤用户所需要的细粒度权限 集中化管理所有服务的⽤用户权限 使用构建在AD上的基于角色控制的 用户授权模型 授权 Defining what users and applications can do with data InfoSec Concept: Authorization Apache Sentry
- 36. 36 © Cloudera, Inc. All rights reserved. 可视化权限管理
- 37. 37 © Cloudera, Inc. All rights reserved. 数据审计视图需求 帮助用户理解报表数据的血缘关系， 并找到更多相似数据 遵循企业在审计，数据分类和生命周 期管理的统一策略 集中化的审计平台，自动数据发现， 自动血缘关系管理 审计视图 告诉⽤用户数据从何⽽而来以及如何被 使⽤用 InfoSec Concept: 审计 Cloudera Navigator
- 38. 38 © Cloudera, Inc. All rights reserved. 为什么需要Cloudera Navigator 38 Cloudera企业版处理大量数据的需求 § 数据规模大 § 数据源种类复杂 – 结构化/非结构化数据 § 数据敏感性级别多 1 多用户处理数据的需求 § 管理员以及合规官员 § 分析员以及数据科学家 § 商务用户 2 数据有效控制与处理的需求 § 对数据平台的可视化与管理 § 数据发现与探索 3
- 39. 39 © Cloudera, Inc. All rights reserved. Cloudera数据审计和生命周期管理平台 Cloudera Navigator Hadoop平台上唯一的端到端数据 审计解决方案。 最大程度降低安全风险，保证和企业安 全审计策略兼容 独有能力: • 数据审计 • 数据血缘管理 • Hadoop元数据标记和发现 • 数据生命周期
- 40. 40 © Cloudera, Inc. All rights reserved. 数据安全需求 对重要数据进⾏行额外安全保护 加密敏感数据，完善的密钥管理服务，从源头防 范数据泄露风险 和企业已有的HSM整合，作为密钥管理基础架构 的一部分 数据保护 Protecting data in the cluster from unauthorized visibility InfoSec Concept: 合规性 Navigator Encrypt & Key Trustee
- 41. 41 © Cloudera, Inc. All rights reserved. Navigator Encrypt/KeyTrustee (Gazzang) • Navigator Encrypt • 全面高效的数据保护，Linux文件系统以下 • 硬件指令加速（AES-‐NI） • 存储节点上的加解密方案 • Navigator KeyTrustee • 集中化的秘钥管理 • 灵活的部署方式 • on-‐premise或者SaaS
- 42. 42 © Cloudera, Inc. All rights reserved. 在上层应用和文件系统中实现透明加 密层 • 合规性 • 无限数据扩展 • 超高性能：采用Intel硬件指令集优化 • 可选重点内容加密 • Navigator管理服务器对密钥管理 Cloudera数据透明加密 Applica'ons/Processes File System Process-‐Based ACLs File-‐Level Encryp'on Blocks Storage Users Key Manager
- 43. 43 © Cloudera, Inc. All rights reserved. 使用者视图
- 44. 44 © Cloudera, Inc. All rights reserved. 认证和授权
- 45. 45 © Cloudera, Inc. All rights reserved. 认证和授权 HiveServer2 AuthN LDAP Kerberos AuthZ Identity Management KDC SentryBinding Sentry Service Policy Definition/Retrieval Enforcement Group Group Mapping HadoopUserGroupMapping LocalGroupMapping Shell LDAP
- 46. 46 © Cloudera, Inc. All rights reserved. 数据保护 • 底层文件系统的数据保护 （Navigator Encrypt, Navigator KeyTrustee） • 临时文件，缓存到本地的中间计算结果，配置文件以及元数据文件 • HDFS文件的保护（HDFS Data-‐At-‐Rest EncrypCon, Navigator KeyTrustee） • 只能保护HDFS的文件或目录数据 • 网络传输的安全性（TCP over SSL） • 基于SSL的节点间网络通信
- 47. 47 © Cloudera, Inc. All rights reserved. Cloudera Navigator • 全面的审计功能 • 对HDFS、Impala、Hive、HBase和Sentry的审计追踪提供集中式的配置管理接口 • 查看用户/用户组对HDFS、Impala、Hive和HBase的访问权限以保证对隐私及合规的正确 配置 • 数据发现和探索 • 快速检索相关数据，加速数据发现流程 • 自动发现元数据并允许用户自定义可定制化标签与注释，便于数据追踪与归类 • 数据溯源 • 帮助用户直观理解数据集的上下游血脉关系，验证数据源头与数据演变过程 • 可以导出数据溯源信息到其他的溯源信息管理系统中 • 生命周期管理 • 定义并自动化复杂的数据生命周期管理工作，包括分类，保留及加解密策略 – 一切都 基于Navigator丰富的元数据管理能力
- 48. 48 © Cloudera, Inc. All rights reserved.
- 49. 49 © Cloudera, Inc. All rights reserved. Most powerful Hadoop plasorm Management – Cloudera Manager
- 50. 50 © Cloudera, Inc. All rights reserved. 系统管理平台 Cloudera Manager • Cloudera Manager – 专注于 企业管理平台，而不只是一 个集群管理工具 - 基于角色的管理视图 - 丰富且可定制化的监控图表展现 - LDAP/Kerberos/SNMP/Rest API集成 - 零宕机安装和升级 - 复制和灾备 - 多租户资源管理 - 自动化的运营和诊断报告 - 开放API可以集成第三方工具 - ……
- 51. 51 © Cloudera, Inc. All rights reserved. 一个工具搞定全部运维管理 Hadoop运维管理的复杂性： + 部署和配置 监控 工作流 事件和警告 日志搜索 故障诊断 运维报表 集群活动监控 DIY方式的运维管理 对比Cloudera “在第三方客户调查中显示，超过95%的客户希望使用统一的端到端管理工具对Hadoop集群进行维护管理，而不是被迫学习多 种开源工具用于不同类型的管理”
- 52. 52 © Cloudera, Inc. All rights reserved. 简化的故障诊断流程 Cloudera Manager最大程度提高故障诊断效率 注意到系统任务失败，集群停止服务 在TaskTracker界面中定位找到故障任务 借助Ganglia调查服务，主机，网络的各种监控指标， 帮助查找故障原因 尝试找到合适的HEAP MEMORY设置大小 更新设置，分发到所有节点，暂时中断服务，重启整 个集群 故障原因： TaskTracker Heap Memeory设置过低 1 小时 2 小时 1 小时 30 分钟 收到CM警告：任务运行时间长于预期 在CM中自动定位并高亮显示故障任务 自动对TaskTracker节点做健康检查，找到故障原因 用系统推荐的设置值更新集群 重启单独的TaskTracker，集群服务不会中断 故障原因： TaskTracker Heap Memeory设置过低 5 分钟 3 分钟 2 分钟 5 分钟 通过CLOUDERA MANAGER 4.5 小时 15 分钟 非Cloudera平台故障诊断
- 53. 53 © Cloudera, Inc. All rights reserved. 滚动重启和升级
- 54. 54 © Cloudera, Inc. All rights reserved. 集群灾备
- 55. 55 © Cloudera, Inc. All rights reserved. 配置历史
- 56. 56 © Cloudera, Inc. All rights reserved. 版本回滚
- 57. 57 © Cloudera, Inc. All rights reserved. 智能的配置警告
- 58. 58 © Cloudera, Inc. All rights reserved. 智能决策 配置过期需要重启 客户端配置过期
- 59. 59 © Cloudera, Inc. All rights reserved. 全局时间线控制方便诊断 极方便的全局时间线控制
- 60. 60 © Cloudera, Inc. All rights reserved. 启用Kerberos
- 61. 61 © Cloudera, Inc. All rights reserved. 启用Kerberos
- 62. 62 © Cloudera, Inc. All rights reserved. 启用Kerberos
- 63. 63 © Cloudera, Inc. All rights reserved. 启用Kerberos
- 64. 64 © Cloudera, Inc. All rights reserved. 通过Cloudera Manager管理用户自定义服务 hps://github.com/cloudera/cm_ext/ wiki
- 65. 65 © Cloudera, Inc. All rights reserved. Cloudera Manager Rest API
- 66. 66 © Cloudera, Inc. All rights reserved. 多租户管理 • 在多用户的环境下共享相同的系统或程序组件，且仍可确保各用户间数据、 配置甚至计算资源的隔离性。 • 各租户的资源保障 • 租户间的细粒度的安全隔离 • 租户资源请求的快速响应 • 租户资源使用的报告 • 多租户的优势 • 数据共享 • 方便运营 • 提高资源使用率
- 67. 67 © Cloudera, Inc. All rights reserved. 多租户的挑战 • 开源版本已经实现的 • YARN的资源管理平台，可以实现对MapReduce、Spark的动态资源管理 • 基于Queue的资源抽象描述 • 基于Queue的用户权限控制 • 挑战 • 只支持批处理的引擎 • 对有时延要求租户的支持 • 统一的权限控制模型 • 没有对租户资源使用的详细报告
- 68. 68 © Cloudera, Inc. All rights reserved. Cloudera平台的多租户 • 资源隔离和管理 • 保障租户对服务质量的要求，且有效利用集群的资源 • 安全和管治 • Cloudera平台提供了从身份验证、授权、审计和数据安全的全面保护，确 保租户之间的隔离性 • 资源使用报告 • 统计租户对资源的使用要求，优化租户的资源分配
- 69. 69 © Cloudera, Inc. All rights reserved. 资源管理 • 资源划分 • 动态资源划分 • 按需给租户提供满足服务质量的资源保障 • 有效利用集群资源 • 静态资源划分 • 满足关键负载的作业保障 • 配额管理 • 磁盘空间配额 • 文件、目录数量配额，以优化文件系统元数据
- 70. 70 © Cloudera, Inc. All rights reserved. 静态资源管理 • 通过Linux cgroup来静态划分各服务所占用的资源 • 支持HBase, HDFS, Implala, YARN • 保障关键作业的资源占用 YARN 30% HBase 20% HDFS 30% Impala 20% Product 2 Mkt 1 Developer 3
- 71. 71 © Cloudera, Inc. All rights reserved. 静态资源管理配置
- 72. 72 © Cloudera, Inc. All rights reserved. HBase内部的资源管理 • 对某个用户、某张表或某个表空间的访问进行限制（Throoling） • 将HBase上的作业按类型进行调度 • 分析或查询 • 读或写
- 73. 73 © Cloudera, Inc. All rights reserved. 动态资源管理 • 基于YARN的资源管理框架可以实现MapReduce, Spark以及Impala对资源的共 享 • 通过Llama实现Impala和YARN资源的集成 • 按租户的资源使用状况定期调整资源分配策略 YARN/Impala 50% Product 1 Business 3 Developer 2 Impala 4 YARN/Impala 50% Product 1 Business 1 Developer 4 Impala 4 Weekday Weekend
- 74. 74 © Cloudera, Inc. All rights reserved. 资源使用状况统计 • 租户对于资源的历史使用统计和趋势，以更好满足企业内部的Showback和 Chargeback模式
- 75. 75 © Cloudera, Inc. All rights reserved. Bring Cloudera Plasorm to Cloud – Cloudera Director
- 76. 76 © Cloudera, Inc. All rights reserved. 部署的灵活性 安全与管理 无限分布式存储 批处理 数据发现 建模 在线服务 部署灵活性 On-Premises Appliances Engineered Systems 公有云 私有云 混合云
- 77. 77 © Cloudera, Inc. All rights reserved. Cloudera: 将CDH带到云端 可移植性: 多种云端部署选项 灵活性：定价和支持 选择：快速增长的生态系统 私有云： Physical 公有云： • 通过标准Cloudera Support提供支持 • 与云计算平台提供商合作，按使用量付费的定价模式 拥抱迅速增长的云计算生态系统 * * * Scheduled for Roadmap
- 78. 78 © Cloudera, Inc. All rights reserved. 云端自动化部署Hadoop集群 Cloudera Director 业内第一个可移植，自服务型的部署和管 理企业级Hadoop集群解决方案 独有特性: • 动态集群生命周期管理 • 云端整体视图 • 多集群资源占用可视化监控 • 用于按资源计费的使用量报告
- 79. 79 © Cloudera, Inc. All rights reserved. Create EC2 Instance Template
- 80. 80 © Cloudera, Inc. All rights reserved. Add Cluster
- 81. 81 © Cloudera, Inc. All rights reserved. Grow Cluster
- 82. 82 © Cloudera, Inc. All rights reserved. Ensure Customer Success – Industry-‐Leading Support
- 83. 83 © Cloudera, Inc. All rights reserved. Cloudera技术支持 • 专业服务 • 近百人的专业技术支持团队 • 丰富的知识库 • 基于大数据技术的预测支持及主动支持 • 严格的问题修复流程
- 84. 84 © Cloudera, Inc. All rights reserved. 专业服务 • 预定义的企业服务内容 • 驻场架构师和专人技术支持 集群部署及 调优 数据导入 及ETL指 导 数据分析 指导 安全指导 生产环境 就绪
- 85. 85 © Cloudera, Inc. All rights reserved. Cloudera客户支持中心（CSI）
- 86. 86 © Cloudera, Inc. All rights reserved. 预测、主动技术支持 • 利用大数据平台技术，在客户集群还没发生问题之前就可以得到主动的预警 • 付费客户可以定期向Cloudera支持中心发送集群诊断包以获取主动支持 ANALYTIC SQL IMPALA SEARCH ENGINE SOLR 资源管理 YARN 文件系统 在线NOSQL HBASE SYSTEM MANAGEMENT CLOUDERA MANAGER 存储各种类型数据 批处理 MAPREDUCE HDFS 3RD PARTY APPS TABLEAU 基于Cloudera的EDH构建 Cloudera Manager 日志文件 客户节点数据 集群描述 命令输出 知识库 CRM数据 支持记录 Apache邮件列表 社区论坛 分析 SQL IMPALA 搜索引擎 SOLR 硬件配置 Ingest & Consolidate
- 87. 87 © Cloudera, Inc. All rights reserved. 严格的问题修复过程 Cloudera 工 程师修复问 题并进行测 试 客户发现并 通过系统报 告问题 Cloudera 工 程师重现问 题 Cloudera 在 Apache报告 JIRA并提交 补丁 Cloudera commier 审 查并提交补 丁到开源社 区 Cloudera 把 补丁放到下 一个版本发 布 Cloudera 给 客户提供补 丁程序 客户通过 Cloudera的无 宕机滚动升 级打补丁 客户升级 Cloudera版本
- 88. 88 © Cloudera, Inc. All rights reserved. 完善的产业链合作伙伴 Data Systems Enterprise Data Hub Security and AdministraCon Unlimited Storage Process Discover Model Serve ApplicaCons System IntegraCon Infrastructure Hundreds of partners ensure compaCbility with exisCng investments, lower skill barriers, and help maximize value from your data. OperaConal Tools
- 89. 89 © Cloudera, Inc. All rights reserved. 全行业客户 Financial & Business Services Telecom Technology Healthcare Life Sciences Media Retail Consumer Energy Public Sector
- 90. 90 © Cloudera, Inc. All rights reserved. 总结 • Cloudera Enterprise - 专注于开源Hadoop的开发，保护用户的投资（Open Standard） - 最具创新的Hadoop发行版 （InnovaCon） - 最好用的企业数据平台（Usability） ü 活跃的Cloudera社区 ü 一站式的管理平台 - 最完善的安全架构（Security） - 方便集成（IntegraCon） - 全面可扩展（Extensibility） - 最专业的、可持续的技术支持
- 91. 91 © Cloudera, Inc. All rights reserved. 与Apache开源项目比 1 集成性：包含了20多个开源项目，组 件版本的兼容，解决了组件内部的配 置和组件间的配置集成 2 管理性：自动化的安装部署；智能的 配置优化；超级易用的监控诊断；企 业级的管理能力；基础设施的集成 3 安全性：全面的安全技术架构；独有 的主数据管理能力帮助用户快速发现 数据并理解数据处理流程 4 技术支持：开源项目的发布周期不定， Cloudera会定期发布问题修复版，并 提供快速的问题修复；同时开源项目 有时会破坏一些兼容性
- 92. 92 © Cloudera, Inc. All rights reserved. 与社区版对比 Cloudera Express Cloudera Enterprise 平台核心 CDH CDH 包含数据采集、存储、处理和分析等组件 管理性 基本的安装、部署、监控、 告警等管理功能 还包含一系列企业级功能： 配置历史修改和回退 平台运营历史报告 零宕机重启、升级 备份和复制 定期诊断等等 1. 不需要花大把的时间去查看由于配置修 改导致的性能下降 2. 降低关键业务宕机的风险 3. 定期的诊断快照缩短解决问题的周期 4. 无意的数据损坏 安全性 有限的、松散的安全特性 自动化的Kerberos部署 统一访问权限控制 全面的审计 整体的数据保护解决方案 1. 发现恶意的访问 2. 防止系统管理员直接通过底层文件系统 去读取敏感数据 数据治理 无 集群元数据的管理 数据溯源 1. 理解集群中有什么数据，快速发现数据 2. 数据的依赖关系，理解报表依赖的数据 源 技术支持 无 主动的集群诊断、产品支持团队、 客户可以访问的知识库、专业技术服务 定期的平台缺陷通知、路线图 1. 需要花费大量的时间来优化集群来满足 业务需求 2. 系统持续稳定运行的技术保障
- 93. 93 © Cloudera, Inc. All rights reserved. 与闭源厂商对比 闭源平台 Cloudera Enterprise 平台核心 Unknown CDH 闭源的组件或者功能缺乏和开源的持 续兼容；闭源特性没有社区支持增加 了用户使用代价 管理性 基本的安装、部署、监控、告警等 管理功能 业界最好用，完全为Hadoop而开发的管 理工具Cloudera Manager 安全性 有限的、松散的安全特性 全面的安全解决方案，业界唯一一个符 合PCI (Payment Card Industry)安全标准 的平台 数据治理 无 集群元数据的管理 数据溯源 技术支持 有但不可持续 专业的产品支持团队，严格的问题修复 流程，主动的集群诊断和预测支持
- 94. 94 © Cloudera, Inc. All rights reserved. 版本和服务 • 免费版（Cloudera Express）和按年订阅的付费版（Cloudera Enterprise） • 免费版包含CDH和功能受限的Cloudera Manager • 付费版可以使用Cloudera Enterprise的所有功能，但根据可以享受的服务内容 不一样 - Basic EdiCon：只提供Hadoop核心和Cloudera Director的服务 - Flex EdiCon：HBase/Search/Impala/Spark/Navigator选择其一 - Data Hub EdiCon：所有组件都有服务提供 • Basic EdiCon只有5x8或7x24的标准支持 • Flex EdiCon和Data Hub EdiCon有5x8或7x24 Premium支持可选
- 95. 95 © Cloudera, Inc. All rights reserved. 许可证模式 • Cloudera不提供永久的许可证 • Cloudera产品采取的是按年订阅许可证模式，假设用户订阅了三年的，则具 体的付费方式根据客户要求： • 一次性付费 • 按三年平均，分三次付 • 第一年可以付大部分费用，后两年以维保的名义付费 • 订阅期结束之后，如果用户不再续订，则原有的功能都可以继续使用（包括 付费版才有的功能） • 订阅期结束之后，如果用户需要续订，则视为一次新的订阅期，此次订阅的 价格会视前次订阅的周期和本次订阅的周期酌情考虑
- 96. 96 © Cloudera, Inc. All rights reserved. 迅速体验 • Cloudera Express – 完全免费 - 全功能数据平台（CDH），无存储容量和节点数限制 - 一站式的管理工具（Cloudera Manager） - 获取社区支持Cloudera Community • Cloudera Enterprise Trial - 企业版60天的试用 - 获取试用版许可证，得到专业的技术支持 • Cloudera Live - 在线的数据分析体验（Hue，Tableau，Zoomdata，Trifacta）
- 97. 97 © Cloudera, Inc. All rights reserved. 资源 • Cloudera Product -‐ hop://www.cloudera.com/content/cloudera/en/downloads.html • Cloudera Live -‐ hop://www.cloudera.com/content/cloudera/en/products-‐and-‐services/ cloudera-‐live.html • Cloudera Community -‐ hop://community.cloudera.com/ • Cloudera DocumentaCon -‐ hop://www.cloudera.com/content/cloudera/en/documentaCon.html
- 98. 98 © Cloudera, Inc. All rights reserved. 企业级数据平台 • 稳定性 - 严格的测试 - 被客户和开发者证明 - 开源的模式 • 易用性 - 标准的API（Java, SQL, Python, Rest） - 标准的工具集成（MS, Qlikview, Tableau, Teradata, Netezza, Quest…） - 一站式管理解决方案 • 安全性 - 企业安全标准集成 - 统一的访问安全控制 - 全面的数据保护，密钥管理 • 可管理性 - 部署、管理、监控、警告 • 可治理性 - 数据溯源 - 数据发现 - 数据生命周期管理 • 灵活性 - 不同的问题可以有不同的技术选择 • 性能 - 高吞吐的NoSQL存储 - 原生的大规模数据处理引擎 - 内存计算 - 为X86平台做的原生优化
- 99. 99 © Cloudera, Inc. All rights reserved. Thank you kmiao@cloudera.com
- 100. 100 © Cloudera, Inc. All rights reserved. Backup
- 101. 101 © Cloudera, Inc. All rights reserved. 灵活的版本选择（1） CLOUDERA EXPRESS CLOUDERA ENTERPRISE Basic Edigon Flex Edigon Data Hub Edigon 许可证 免费 按年订阅 100% 开源的数据存储及处理平台（CDH） Hadoop, Flume, HBase, Hcatalog, Hive, Hue, Impala, Mahout, Oozie, Pig, Cloudera Search, Sentry, Spark, Sqoop, Whirr, Zookeeper ✔ ✔ ✔ ✔ 系统管理平台（Cloudera Manager） 集群部署和配置 ✔ ✔ ✔ ✔ 服务管理 ✔ ✔ ✔ ✔ 服务和主机监控 ✔ ✔ ✔ ✔ 安全管理 ✔ ✔ ✔ ✔ 诊断（日志搜索、事件） ✔ ✔ ✔ ✔ 扩展和Rest API ✔ ✔ ✔ ✔ 滚动升级和重启 ✔ ✔ ✔
- 102. 102 © Cloudera, Inc. All rights reserved. 灵活的版本选择（2） CLOUDERA EXPRESS CLOUDERA ENTERPRISE Basic Edigon Flex Edigon Data Hub Edigon AD/Kerberos集成 ✔ ✔ ✔ SNMP支持 ✔ ✔ ✔ LDAP集成 ✔ ✔ ✔ 参数配置历史和回滚 ✔ ✔ ✔ 运营报告生成 ✔ ✔ ✔ 定期诊断 ✔ ✔ ✔ 自动化复制和灾备 ✔ ✔ ✔
- 103. 103 © Cloudera, Inc. All rights reserved. 灵活的版本选择（3） CLOUDERA EXPRESS CLOUDERA ENTERPRISE Basic Edigon Flex Edigon Data Hub Edigon 产品售后服务覆盖 Hadoop核心 ✔ ✔ ✔ Cloudera Director ✔ ✔ ✔ Online NoSQL RDBMS (HBase) 只能选择一种 组件提供支持 ✔ 交互式SQL (Impala) ✔ 交互式数据分析 (Apache Spark) ✔ 搜索引擎 (Cloudera Search) ✔ 审计、数据发现、溯源、加解密、密钥管理 (Cloudera Navigator) ✔ 敏捷部署模块 Cloudera Director ✔ ✔ ✔ ✔
- 104. 104 © Cloudera, Inc. All rights reserved. 灵活的版本选择（4） CLOUDERA EXPRESS CLOUDERA ENTERPRISE Basic Edigon Flex Edigon Data Hub Edigon 服务内容 专职支持团队 ✔ ✔ ✔ 主动技术指导 ✔ ✔ ✔ 预测性问题分析 ✔ ✔ ✔ 全面的知识库 ✔ ✔ ✔ 产品解决方案和指南 ✔ ✔ ✔ 客户需求纳入新产品路线图 ✔ ✔ ✔ 5 x 8 或 7 x 24小时标准服务 ✔ ✔ ✔ 增强服务* ✔ ✔ * 5x8或7x24服务时间内，对于严重的产品问题，15分钟内有响应
- 105. 105 © Cloudera, Inc. All rights reserved. Cloudera Commioers by Apache Project 89 total seats, 67 PMC* seats (Page 1 of 2) Project Founder(s) Employed By: Commioers Names (PMC Members in blue) Accumulo NSA 3 Mike Drob, Sean Busbey, Bill Havanki Avro Cloudera 5 Doug Cu|ng (Founder), Tom White, Jeff Hammerbacher, Philip Zeyliger, Ryan Blue Bigtop Cloudera -‐> Pivotal 9 Andrew Bayer, Eli Collins, Patrick Hunt, Tom White, Stephen Chu, Sean Mackrory, Michael Stack, Anatoli Fomenko, Mark Grover Crunch Cloudera 3 Josh Wills (VP/PMC Chair/Founder), Brock Noland, Tom White Flume Cloudera 10 Andrew Bayer, Hari Shreedharan, Brock Noland, Jarek Jarcec Cecho, Henry Robinson, Jon Hsieh (Project Founder), Mike Percy, Patrick Hunt, Prasad Mujumdar, Wolfgang Hoschek Hadoop Core Independent/Yahoo! -‐> Cloudera 14 Doug Cu|ng (Project Founder), Tom White, Todd Lipcon, Patrick Hunt, Eli Collins, Aaron Myers, Michael Stack, Colin McCabe, Andrew Wang, Karthik Kambatla, Harsh Chouraria, Sandy Ryza, Robert Kanter, Yongjun Zhang HBase Powerset -‐> Cloudera 10 Michael Stack (Project Co-‐founder/VP/PMC Chair), Todd Lipcon, Jon Hsieh, Lars George, Jean-‐Daniel Cryans, Jimmy Xiang, Maoeo Bertozzi, Gregory Chanan, Misty Stanley-‐Jones, Sean Busbey Hive Facebook -‐> Cloudera/Qubole 5 Xuefu Zhang, Brock Noland, Prasad Mujumdar, Szehen Ho, Chao Sun * PMC = Project Management Commioee; guides project roadmap and direcCon Cloudera -‐ ConfidenCal
- 106. 106 © Cloudera, Inc. All rights reserved. Cloudera Commioers by Apache Project 89 total seats, 67 PMC* seats (Page 2 of 2) * PMC = Project Management Commioee; guides project roadmap and direcCon Project Founder(s) Employed By: Commioers Names (PMC Members are in blue) Lucene/Solr Independent -‐> Cloudera 6 Doug Cu|ng (Founder), Mark Miller (VP/PMC Chair), Yonick Seeley, Erick Erickson, Wolfgang Hoschek, Greg Chanan Mahout Independent 1 Sean Owen Oozie Yahoo! 2 Harsh Chouraria, Robert Kanter Pig Yahoo! -‐> Hortonworks 2 Santhosh Srinivasan, Xuefu Zhang Spark QuanCfind -‐> Cloudera 2 Imran Rashid, Sean Owen Sqoop Cloudera -‐> Independent 9 Andrew Bayer, Jarek Jarcec Cecho, Jon Hsieh, Kathleen Ting, Patrick Hunt, Tom White, Hari Shreedharan, Abe Elmahrek, Gwen Shapira Whirr Cloudera 6 Tom White (Founder), Lars George, Patrick Hunt, Andrew Bayer (VP/PMC Chair), Andrei Savu, Graham Gear ZooKeeper Yahoo! -‐> Cloudera 2 Patrick Hunt (Founder), Henry Robinson Cloudera -‐ ConfidenCal