Show Me The Money! Cost & Resource Tracking for Hadoop & Storm

虽然我无法提供Hadhoop Summit 2016上Kendall Thrapp具体演讲的详细内容，因为作为基于当前数据训练的模型，我的知识有截止时间，且不包含实时互联网事件或特定历史事件的完整记录，但我可以基于阿里云产品和Hadoop技术的知识范畴，推测这个演讲标题《Show Me The Money! Cost Optimization Strategies for Hadoop Clusters》可能涉及的内容。

从标题来看，Kendall Thrapp的演讲很可能聚焦于如何在Hadoop集群中实施成本优化策略。考虑到Yahoo是早期大规模使用Hadoop的公司之一，这样的分享对于任何运行大数据处理平台的企业都有很高的参考价值。以下是根据阿里云产品与Hadoop技术结合的角度，可能涵盖的一些成本优化策略：

1. 资源调度与优化：利用YARN（Yet Another Resource Negotiator）进行更精细的资源分配，确保任务按需获取资源，避免资源闲置浪费。阿里云E-MapReduce服务集成了Hadoop和YARN，提供了灵活的资源管理和调度能力，帮助用户高效管理集群资源。

2. 智能冷热数据分层存储：利用HDFS（Hadoop Distributed File System）的特性，结合阿里云OSS（Object Storage Service）或表格存储等低成本存储方案，将不常访问的数据迁移到成本更低的存储层，减少存储成本。

3. 自动扩缩容：根据业务负载自动调整集群规模，如使用阿里云E-MapReduce的弹性伸缩功能，在业务高峰期自动增加计算节点，在低谷期释放资源，从而节省成本。

4. 容器化与轻量级部署：采用Docker容器化技术，通过阿里云Kubernetes服务ACK（Alibaba Cloud Container Service for Kubernetes）部署Hadoop应用，提高资源利用率，降低运维成本。

5. 性能调优：通过对Hadoop配置、作业参数的调优，以及利用阿里云性能监控与分析工具，如Prometheus监控，识别并解决性能瓶颈，提升整体效率，间接降低成本。

6. 混合云策略：结合阿里云的混合云解决方案，企业可以在本地和云端之间灵活调配资源，利用公有云的弹性来应对突发需求，同时保持对核心数据的控制，实现成本效益最大化。

这些策略不仅适用于Yahoo这样的大型企业，也适用于任何规模的企业在使用Hadoop或其他大数据处理框架时的成本控制。