cdh集群布局

最近开始从事大数据技术，看到公司采用cdn作为大数据集群工具，于是自己尝试了安装，但是在最后的角色划分时，由于对组件的一些架构和原理及服务器方面的知识欠缺，茫茫然。偶然看到这篇文章讲的很到位，推荐大家认真阅读。

Cloudera平台软件体系结构

Cloudera的软件体系结构中包含了以下模块：系统部署和管理，数据存储，资源管理，处理引擎，安全，数据管理，工具库以及访问接口。一些关键组件的角色信息：

硬件配置

集群服务器按照节点承担的任务分为管理节点和工作节点。管理节点上一般部署各组件的管理角色，工作节点一般部署有各角色的存储、容器或计算角色。根据业务类型不同，集群具体配置也有所区别：

1. 实时流处理服务集群：Hadoop实时流处理性能对节点内存和CPU有较高要求，基于Spark Streaming的流处理消息吞吐量可随着节点数量增加而线性增长。

2. 在线分析业务集群：在线分析业务一般基于Impala等MPP SQL引擎，复杂的SQL计算对内存容量有较高要求，因此需要配置128G甚至更多的内存。

3. 云存储业务集群：云存储业务主要面向海量数据和文件的存储和计算，强调单节点存储容量和成本，因此配置相对廉价的SATA硬盘，满足成本和容量需求

角色分配

小规模集群

搭建小规模集群一般是为了支撑专有业务，受限于集群的存储和处理能力，不太适合用于多业务的环境。这可以部署成一个HBase的集群；也可以是一个分析集群，包含YARN，Impala。在小规模集群中，为了最大化利用集群的存储和处理能力，节点的复用程度往往也比较高。下图是一个典型的小规模集群部署方式：

对于那些需要两个以上节点来支持HA功能的，集群中分配有一个工具节点可以承载这些角色，并同时可以部署一些其他工具角色，这些工具角色本身消耗不了多少资源：

其余节点可以部署为纯工作节点，包含：

中等规模集群

一个中等规模的集群，集群的节点数一般在20到200左右，通常的数据存储可以规划到几百TB，适用于一个中型企业的数据平台，或者大型企业的业务部门数据平台。节点的复用程度可以降低，可以按照管理节点、主节点、工具节点和工作节点来划分。

管理节点上就安装Cloudera Manager、Cloudera Management Service。

主节点上安装有个CDH服务的管理节点以及HA的组件，可以如下方式部署：

工具节点可以部署以下一些角色：

工作节点的部署和小规模类似：

大规模集群

大规模集群的数量一般会在200以上，存储容量可以是大几百的TB甚至是PB级别，适用于大型企业搭建全公司的数据平台。和中等规模的集群相比，部署的方案相差不大，主要是一些主节点可用性的增强。

HDFS JournalNode由3个增加到5个，Zookeeper Server和HBase Master也由3个增加到5个，Hive Metastore的数量有1个增加到3个。

网络拓扑

单机架部署

对于一个小规模的集群，或者一个单个rack的集群，所有的节点都连接到相同的接入层交换机。接入层交换机配置为堆叠的方式，互为冗余并增加了交换机吞吐。所有的节点两个网卡配置为主备或者负载均衡模式，分别连入两个交换机。在这种部署模式下，接入层交换机也充当了聚合层的角色。

多机架部署

在多机架的部署模式下，除了接入层交换机，还需要聚合层交换机，用于连接各接入层交换机，负责跨rack的数据存取。

实际部署样例

在机架上分配角色时，为了避免接入层交换机的故障导致集群的不可用，需要将一些高可用的角色部署到不同的接入层交换机之下（注是不同的接入层之下，而不是不同的物理rack下，很多时候，客户会将不同物理rack下的机器接入到相同的接入层交换机下。）以下是一个80个节点的物理部署样例。