Hadoop设备实际上属于有待编排的超级计算机

简介:

IBM公司认为Hadoop及Apache Spark等配置方案在本质上其实属于超级计算机,而秉持着这一思路,蓝色巨人开始调整自家超级计算机管理代码以处理x86集群之上的各类应用。

根据IBM公司软件定义基础设施副总裁Bernie Sprang的解释,分布于集群上的应用需要跨越各计算与存储资源池进行工作负载优化,而提供相关模板不仅能够简化部署过程,同时也能够摆脱对专有硬件的依赖。另外,Sprang强调称,企业客户中存在“集群蠕动”现象,即组织内共同建立计算集群并以共享而非独占方式使用。

蓝色巨人认为,工作负载部署与调度工具能够帮助企业客户有效降低采购及运维的集群数量,且保证数据不会耗尽现有处理资源。

而在新的IBM“Spectrum”工具当中,包含有“Conductor”产品作为资源共享工具,能够对集群化应用进行“模板化”调整。另外“Spectrum LSF”工具则负责工作负载调度。IBM公司还推出了Spectrum Storage,这套原本名为GPFS的文件系统能够支持大规模工作负载。

蓝色巨人将上述工具共同打包在软件定义套件当中,但并非面向主流工作负载。在IBM看来,此套件更适合用于云或者混合云分析方案,因为其能够轻松跨越本地与公有云环境。

Sprang希望将Spectrum套件定义为类似于虚拟机管理程序的方案,因为其同样位于服务器与工作负载之间。但二者的共通之处也仅此而已了:Spectrum主要面向集群化应用,而蓝色巨人希望借此将其高端技术成果引入目前的超大规模工作负载当中。
本文转自d1net(转载)

相关文章
|
19天前
|
分布式计算 运维 Hadoop
Hadoop节点网络设备与交换机检查
【4月更文挑战第21天】
30 1
|
19天前
|
分布式计算 安全 Hadoop
|
19天前
|
存储 分布式计算 Hadoop
大数据处理架构Hadoop
【4月更文挑战第10天】Hadoop是开源的分布式计算框架,核心包括MapReduce和HDFS,用于海量数据的存储和计算。具备高可靠性、高扩展性、高效率和低成本优势,但存在低延迟访问、小文件存储和多用户写入等问题。运行模式有单机、伪分布式和分布式。NameNode管理文件系统,DataNode存储数据并处理请求。Hadoop为大数据处理提供高效可靠的解决方案。
109 2
|
19天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
6天前
|
分布式计算 Hadoop 大数据
探索大数据技术:Hadoop与Spark的奥秘之旅
【5月更文挑战第28天】本文探讨了大数据技术中的Hadoop和Spark,Hadoop作为分布式系统基础架构,通过HDFS和MapReduce处理大规模数据,适用于搜索引擎等场景。Spark是快速数据处理引擎,采用内存计算和DAG模型,适用于实时推荐和机器学习。两者各有优势,未来将继续发展和完善,助力大数据时代的发展。
|
14天前
|
存储 分布式计算 Hadoop
大数据存储技术(1)—— Hadoop简介及安装配置
大数据存储技术(1)—— Hadoop简介及安装配置
50 0
|
19天前
|
分布式计算 数据可视化 Hadoop
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
|
19天前
|
分布式计算 资源调度 Hadoop
java与大数据:Hadoop与MapReduce
java与大数据:Hadoop与MapReduce
29 0