未来的hadoop

现在，无论是Twitter还是eBay或是LinkedIn在使用Hadoop，而Facebook则将这一分布式系统基础架构上升到了新的极致。并且，Hadoop正致力于将此服务平台做到极致。基础设施负责人杰伊·帕瑞克曾表示，Facebook运行着世界上最大的Hadoop计算机集群。Facebook的Hadoop集群中的一个，就涉及了超过4000台机器，存储着超过100PB（petabytes）字节的数据，也就是数百万gigabytes的数据。

 

这个集群是非常庞大，甚至已经超越了四个数据中心。Facebook使用Hadoop服务器来分配分布于各离散数据中心的数据空间，使每次的寻址过程自主进行。Facebook工程师拉古·穆尔蒂说。“我们的规划总是目光长远的，但是，我们必须通过这个过程，将所有数据迁移到新的地方去。”几年之前，拉古·穆尔蒂还在完成斯坦福大学Ph.D.项目的时候，被杰夫·哈梅巴赫；目前为止，他作为Facebook大数据业务团队的中坚力量，已工作四年有余。

 

Facebook信誓旦旦地表示绝不会再犯类似的错误，于是开始着手建立一个跨越多个数据中心的Hadoop集群。该项目由穆尔蒂负责，他曾经参与搭建雅虎（Yahoo）的pre-Hadoop分布式计算系统，并吸引到了哈梅巴赫的注意。如今，穆尔蒂已经参与过，包括Hive在内的许多Facebook的重要项目的研发。但是，这还是有些许不同——Hadoop的设计并没有考虑多设备之上运行情况。通常情况下，由于需要服务器之间的高负载通信，集群被限制在了单一数据中心。

 

穆尔蒂和他的团队成员，在整个Facebook地基础设施上，推出了一个叫作Prism平台。典型的Hadoop集群，通常是由单一的“命名空间”（namespace）管理，但是Prism则开辟出多个命名空间，在一个相同的物理集群之上，创造了很多“逻辑集群”。

 

这些“命名空间”可以划分给不同的Facebook团队，这样每一个团队都能够得到属于自己的命名空间，不过仍然全都在使用同一个数据集，而这个数据集可以跨越多个数据中心。这里的诀窍是，当一个团队运行一项工作的时候，它可以复制这项工作所需要的特定的数据，并且把它移进一个单一的数据中心。穆尔蒂表示，“我们将这些能力下放到独立的小团队，因为他们能够更好的了解网站特殊部分的独特需要。”

 

根据穆尔蒂，这一系统理论上，可以扩展到无限多个服务器上。这意味着，Facebook不必再去担心，需要打造另一个新的数据中心了。对于数据团队的托斯来说，这意味着他能够保证这一基础设施平稳运行——这有一个额外的好处，他表示，“把整个Hadooop集群放在一个数据中心中，让我害怕极了，而Prism能够帮助在这一点上提供帮助。”

 

Prism只是众多扩展Hadoop的努力中的一个。前任雅虎雇员艾弗里·清带领的团队，最近刚刚部署了一个新的叫作Corona的平台，允许多个工作，在一个单一的Hadoop集群之上，而并不会导致崩溃。

 

穆尔蒂还帮助建造了一个叫作Peregrine的工具，能够让查询Hadoop数据的速度比标准情况快很多。Hadoop的设计初衷是一个“批处理系统”，这意味着，通常需要在运行作业的时候进行等候，但是和Impala相似的是（一个由哈梅巴赫和Cloudera创建的系统），Peregrine可以让平台更接近实时。

 

Facebook并没有与外界共享所有的软件，但是却分享了Corona，而如果以此作为习惯参考，它很有可能会在未来分享更多的代码。这就是为什么像艾弗里这样的工程师会在这里工作，“在Facebook，我们比起他人更早地遇到问题，而其他人就可以从中受益，他们不需要重蹈覆辙，也不需要重头再来。”

 

Hadoop是Facebook数据操作的基石，这种情况还将延续很多年。但是随着Scuba等工具的兴起，Facebook也将转投新的方向。

 

Scuba是一款正在快速增长的内存数据储存工具，设计的主要目的是为了极大的提高数据信息分析的速度。这款工具是由Facebook公司的工程师团队开发的，该团队中包括一位在顶级编程网站Top Coder上，排名第一的工程师约什·梅茨勒。Scuba在Facebook的数据中心中运行，帮助该公司收集基础设施的信息，并这些log压缩在数以百计的服务器内存中。所以，这些数据可以被即时查询到。

 

帕瑞克表示：“这就像Excel的数据透视表一样。即使你在处理数以百万计的数据，你也可以在亚秒级的响应时间里得到结果。”

 

是的，这个项目看起来似乎与Peregrine有些重叠——至少在一些部分上存在重复。但就像杰夫·哈梅巴赫指出的，这款工具是Facebook精神的一部分。“Facebook做事的方式，就是寻找最短路径的解决方案，而并非打造一款大而全的系统，来处理所有问题。”就像Facebook的其他项目一样，Scuba是在公司级的黑客马拉松（hackathon）中脱颖而出的。工程师遇到问题就自己解决，而非等到其他项目来帮他们解决问题。

http://tech.qq.com/a/20130205/000029.htm?pgv_ref=aio2012&ptlang=2052