EMR on ACK 全新发布,助力企业高效构建大数据平台

网络
阿里云 EMR on ACK 为用户提供了全新的构建大数据平台的方式,用户可以将开源大数据服务部署在阿里云容器服务(ACK)上。利用 ACK 在服务部署和对高性能可伸缩的容器应用管理的能力优势,用户只需要专注在大数据作业本身。

阿里云 EMR on ACK 为用户提供了全新的构建大数据平台的方式,用户可以将开源大数据服务部署在阿里云容器服务(ACK)上。利用 ACK 在服务部署和对高性能可伸缩的容器应用管理的能力优势,用户只需要专注在大数据作业本身。用户可以便捷地将 Spark、Presto、Flink 作业执行在 ACK 集群上,100%兼容开源,性能优于开源。

一、背景介绍

技术趋势

存储与计算分离,向云原生演进
在线业务、AI、大数据统一接入 ACK 集群,错峰调度,离线在线混部,提升机器利用率
统一运维入口,统一运维工具链,统一监控体系
以集群为中心->以作业为中心
多版本支持,例如可以同时跑 Spark2.x、Spark3.x

云原生面临挑战

计算与存储分离:如何构建以对象存储 OSS 为底座的 HCFS 文件系统

需要完全兼容现有的 HDFS

性能对标 HDFS,成本降低

计算引擎 shuffle 数据存算分离:如何解决 ACK 混合异构机型

异构机型没有本地盘

社区[ Spark-25299]讨论,支持 Spark 动态资源,成为业界共识

ACK 调度能力:如何解决调度性能瓶颈

性能对标 Yarn

多级队列管理

错峰调度

借助 K8s 操作系统能力,编排组织各种业务的波峰波谷

EMR on ACK 优势

Remote Shuffle Service 提供中间 shuffle 数据的存储计算分离方案

可以使计算节点无需本地盘和云盘

支持打开 Spark 动态资源功能,Spark-25299 终极方案

JindoFS 针对 OSS 存储提供湖加速解决方案

Block 模式1TB TPCDS 场景下有15%以上的性能提升

调度层面支持 Scheduler Framework V2

调度性能比社区提升3x以上

提供多级队列管理

引擎能力增强

10TB TPCDS Benchmark 场景下,EMR Spark 比社区有3x性能提升

Hudi、DeltaLake 比社区功能性能增强

完整的错峰调度方案

二、EMR 容器化架构

EMR on ACK 架构

轻量化管控,对接已有数据平台
通过数据开发集群/调度平台提交到不同的执行平台
错峰调度,根据业务高峰低峰策略调整
云原生数据湖架构,ACK 弹性扩缩容能力强
ACK 管理异构机型集群,灵活性好

三、产品介绍

产品首页

参考链接:https://www.aliyun.com/product/emapreduce

新建集群

地域:目前开放杭州、上海、北京、深圳等地域(持续开放中)
集群类型:Spark 、Shuffle Service、Presto
Spark — 通用的分布式大数据处理引擎
提供了 ETL、离线批处理、数据建模等能力

Shuffle Service — 针对 EMR 计算引擎提供优化的 Shuffle 服务
解决 Kubernetes 下对本地盘的依赖问题

解决大规模计算集群的网络和磁盘的 IO 瓶颈

支持计算与存储分离的架构,可服务多个 EMR 集群

Presto — 基于内存的分布式 SQL 交互式查询引擎
支持多种数据源

适合 PB 级海量数据的复杂分析,以及跨数据源的查询

组件版本:Spark (3.1.1)
专属节点:
现有 ACK 集群,share 部分节点给到 EMR

新建 ACK 集群,可选择整个集群为专属节点

OSS Bucket:用于存储作业、日志、jar 包等信息

集群管理

集群 ID/名称:点击进入作业管理

集群状态:检测集群是否可用
所属 ACK 集群:可关联到现有 ACK 集群
配置:Spark 作业配置
释放:释放空间

 

责任编辑:梁菲 来源: 阿里云云栖号
相关推荐

2013-06-06 13:35:33

Google Maps

2015-08-24 14:37:01

ALEIYE 2.0实时大数据RET功能

2021-06-08 09:45:46

大数据云原生EMR Spark o

2021-04-26 18:12:50

戴尔

2017-11-29 10:34:38

2016-10-25 18:18:03

京东云数加大数据

2020-03-21 14:46:47

数据仓库架构数据平台

2014-01-22 09:20:13

统一威胁管理防火墙UTMFortinet

2023-08-25 15:13:16

大数据云计算

2020-05-06 13:47:56

IBM存储IBM多云

2012-11-22 14:01:11

IBM企业

2022-02-14 06:24:30

网络安全Fortinet防火墙

2010-04-28 13:43:47

思科CleanAir

2019-11-25 12:06:35

IBM存储IBM多云

2018-05-15 15:26:20

大数据平台 CIO

2018-02-09 16:58:03

华为

2013-09-02 17:42:28

大数据分析FusionInsig华为
点赞
收藏

51CTO技术栈公众号