基于阿里云EMR初期集群选购指南

 

• 业务数据量

       业务库：累计15G

       日志：累计3T；日增量13G

 

• 集群配置

     方案制定：

1. 高可用（建议）：

       集群有两个NameNode节点，一台处于active状态，一台处于standby状态，两台机器实时同步元数据信息，但整个集群工作由active状态的NameNode负责，当此台NameNode出现故障（宕机等情况），standby状态的NameNode会立刻转为active模式，保证集群正常运行。

 

1. 方案：

	方案一	方案二	方案三	方案四
是否高可用	是	是	否	否
总机器数	4	4	3	3
Master节点数	2	2	1	1
Master核心数	16	16	16	16
Master内存	64G	64G	64G	64G
Master磁盘	120G ESSD系统盘+1T ESSD硬盘	120G ESSD系统盘+1T高效云盘	120G ESSD系统盘+1T ESSD硬盘	120G ESSD系统盘+1T高效云盘
Worker节点数	2	2	2	2
Worker核心数	16	16	16	16
Worker内存	64G	64G	64G	64G
Worker磁盘	120G ESSD系统盘 + 4*2T ESSD硬盘	120G ESSD系统盘 + 4*2T 高效云盘	120G ESSD系统盘 + 4*2T ESSD硬盘	120G ESSD系统盘 + 4*2T 高效云盘
预估价格	26592.00/月	14611.20/月	23528.00/月	12212.80/月

 

1. 磁盘性能对比

       可选磁盘：ESSD PL0 ，高效云盘

       磁盘类型后续不可修改，但可增加不同类型磁盘混用；

       现有业务高效云盘可以支撑，需考虑后续需求情况；

 

• 技术选型

       集群版本：阿里云EMR-3.29.0

       Hadoop版本：hadoop2.x       

       可选组件：

1. Zookeeper（高可用默认安装）：分布式服务框架，Hbase和手动安装低版本Kafaka会用到
2. Impala：快速查询HDFS或HBase中的数据的查询系统
3. Flume：数据采集工具，可用来做日志采集
4. Flink：现在非常流行的实时数据处理工具

 

• 其他

       MySQL（云）：1.用来存放各组件的原数据；2.离线数据导出

       Kafka（云或自建）：消息中间件，减少业务间耦合度，统一数据源等

       Redis（云或自建）：NoSQL数据库，读写速度快，实时项目存储数据，保存偏移量

       Airflow（自建）：调度工具，调度任务

       DataX（自建）：数据仓库-业务库间数据导入导出

       FileBeat（自建）：日志采集

 

• 数据流

 

• 数据门户

       阿里云 Quick BI