MaxCompute 公共云多租户设计的技术要点详解及产品实现特色

公共云大数据平台在多租户的设计和实现方式上有所差异。本文主要介绍在公共云大数据平台的多租实现方案中需要考虑的问题和挑战，重点介绍了MaxCompute在计算和存储多租实现上的特点。期望通过这些介绍来让大家了解大数据云平台多租方案需要关注的技术点和MaxCompute在多租实现上的产品特色。

大数据平台多租户的常见形态

多租的概念大家可能有不同的理解，这里做个简单的分类，方便沟通。

第一种是租户独享一个数据库实例，支持基本的基于角色的访问控制，比如云上的传统数据库，通常就是这种模式。 在这种场景下从云平台的角度来看是支持多个租户的，但是每个租户购买的是独立的实例，在实例内部做角色划分，实例之间的数据是完全独立的。

第二种形态是控制平面多租，比如元数据和权限管控是多租的，但是计算资源是相对独立的。大数据的场景因为需要支持复杂的计算，通常会将计算资源单独拿出来管理。

第三种是更广泛意义上的多租，share everything。从管控、计算到存储使用的都是多租的资源，也可以称之为强多租。

随着多租程度的提升，从用户的角度来看，系统的可扩展性越好，可以很方便的进行资源的扩缩容，但是云平台自身的系统复杂度更高。我们知道系统复杂度越高，往往会带来更多的稳定性问题；由于不同用户的作业运行在一起，安全性上的要求也越高，特别是在公共云的场景。

今天的分享更多关注的是计算和存储的多租实现。关于管控方面，基于RBAC或者基于权限表的权限管理、行级列级权限也是大数据平台多租实现的一部分，但不是今天分享的重点。回到计算和存储的多租上，实现上会有不同的组合方式。

单租计算和开放存储

一种典型的形态是单租计算加开放存储的模式，比如AWS EMR和Databricks等。

以上是Databricks的架构图，我们可以看到，管控平面是多租的，而不同用户的计算资源是单租的，存储则用的类似S3这样的开放存储。管控使用的是databricks的账号，而计算资源归属于用户自己的vpc。这种模式的优势在于，由于计算资源是单租的，所以可以支持复杂的UDF࿰