泰为基于EMR的考量与实践

  • 时间:
  • 浏览:3
  • 来源:uu快3手机版_uu快3走势图_网游

从让让.我 对阿里云EMR希望方面来说:

验证阿里云EMR Job Run数据的准确性

当迁移好Stage job,没人 接下来要验证rundeck job跑的数据结果和阿里云EMR 的job跑的结果,一般让让.我 的开发人员时候Owner采取本身辦法 来验证。

停止前身Rundeck Job,正式调度阿里云EMR的执行计划

将Rundeck的Product Job暂停调度,停止集群服务,释放CPU和Memory资源。

时候正式配置、调度阿里云EMR的ETL Product的 执行计划XXX_Product-EMR_ETL。

小小总结

从公司方面来说:

在登录和打开阿里云 EMR的console web界面时,被阿里你这个 简约扁平化设计风格深深吸引着。

其中阿里云EMR的”概览、集群、作业、执行计划、报警、帮助”六大模块,操作起来简单易上手,但其底层实现的下发必定很冗杂。其中阿里云EMR的各种文档很齐全,很方便让让.我 也能快速了解和越来太快部署让让.我 每每其他人的EMR集群。

阿里云EMR是基于 Hadoop 的生态环境来搭建,同时还时需跟阿里云的对象存储服务OSS等云服务进行无缝数据交换,方便用户将数据在存储平台和计算平台之间进行输入输出,以满足不同业务类型的时需,太满对阿里云EMR充满期待。

其具体流程:

泰为公司成立于1999年,总部坐落于美国硅谷所在地加利福尼亚的桑尼维尔市。泰为公司是全球无线位置领域的领跑者之一,其手机导航产品曾服务于无线运营商AT&T, Sprint, CMCC等。Telenav自有品牌Scout产品,是当今能与Google map和Apple map竞争的为数太满的产品。也是全球车载导航产品的供应商,目前其导航产品正在Ford等世界顶级车厂中进行商用服务。

1.58元/小时起快速体验 Hadoop & Spark ,为你助力大数据计算

EMR集群的机器配置:

未来规划

目前,泰为信息科技(上海)有限公司的中国区项目资源基本都使用了阿里云的ECS机器资源,OSS存储资源,负载均衡,专有网路VPC等;在未来,我司会根据项目的需求和管理性等,会继续调研迁移项目,上云数据库RDS、Redis和数加等产品。

在接下来的工作中,仔细调研阿里云EMR产品,发现有没人 四点优势吧。

•关联集群为按需创建集群

•作业配置为按顺序绑定16个job

•启动报警模块,推送消息给Administrator

迁移Stage Job至阿里云EMR的流程

从每每其他人方面来说:

定制化所属每每其他人的集群环境

调研阿里云EMR产品

关于作者:武基鹏,主要从事大数据平台产品的技术工作;负责设计、构建和优化基于HDFS/HBase的存储平台架构;负责整体提升Hadoop/Hbase等集群的高可用性、高性能、高扩展结构;负责对公司的Apache Hadoop1.2、CDH4及CDH5集群的部署、监控、调优和运维;此外,还精通Java、Shell、Python编程和管理SQL数据库及熟悉NOSQL的经验。

深究ETL业务逻辑

ossref:// 同样是指向有有有俩个 多多 OSS 的路径,不同的是它会将对应的代码资源下载到本地,时候将命令行 中的路径替换为本地路径。它是用于更方便地运行有些本地代码,而不时需登录到机器上去上传代码和依赖的资源包。

注意: ossref 不还时需用来下载过大的数据资源,时候会意味着集群作业的失败。

在迁移过程,有几点建议:

最后总结一下,阿里云EMR从2015年11月发布EMR-1.0.0版本以来,至今才1年只能,时候升级为EMR-2.1.0版本,增加了有些的功能,如用户作业信息加密、与OSS存储无私接缝等等。无论是在开发者社区还是在微信阿里云大数据群组里,EMR的开发者们积极与让让.我 沟通,及时认真回答让让.我 提出的每有有有俩个 多多间题报告 ,及时听取让让.我 用户的需求。太满让让.我 有理由地相信,阿里云EMR在未来,会越走越远,越做越好!

在计划迁移Rundeck上的Product Job到阿里云EMR上,一定要先充分地了解现有业务的避免逻辑、Job脚本代码以及集群组件Hadoop、Hive环境等。为了不影响现有产品环境的稳定性,太满一般要先选泽 Stage的Job进行迁移,调试。其ETL业务在ETL Cluster的基本架构如图所示:

迁移Product Job 至阿里云EMR和验证结果数据准确性

接下来迁移Rundeck Product Job至阿里云EMR上,确实主要修改两点:

时候让让.我 的Product Job是每天深夜run,太满阿里云EMR的按需创建方案很适合让让.我 当前的ETL 业务,时候当Job run现在现在结束时,无论执行计划是算不算成功,时会释放集群资源,降低企业的cost。

当前让让.我 的业务是Log ETL 离线避免,当前集群环境是CDH5.4.8(Hadoop2.6 + Hive1.1.0),其中在阿里云EMR集群中,只提供Apache Hadoop2.7.2+Hive2.0.0组合,时候业务环境的jar包和hive sql的有些结构是Hive低版本特有的,高版本现在处在bug中,太满与阿里云EMR的Hive2.0.0兼容效果时会 很好。

太满这里要感谢@阿里封神提供有有有俩个 多多非常赞的idea给我,是将EMR集群自带Hive2.0.0给替加带让让.我 特定hive-1.2.1-emr版本。需将该版本打包存装进OSS存储上,时候OSS到EMR集群,下载速度无速度限制,非常越来太快,最终让让.我 选泽 Apache Hive版本为1.2.1,接下来时候调试踩坑和打补丁编译版本。太满这块时间花费整个迁移项目时间的1/2。

参考文档

其ETL业务在EMR的基本架构如图所示: