Hadoop工具让数据仓库迁移更轻松

对于大数据管理和分析应用程序云服务，用户的关注度正不断增长，而为了应对这一趋势，供应商已经开始努力简化Hadoop的云部署流程，并试图降低云端Hadoop的购买价格。

如何简化Hadoop云部署

大数据和云计算现在对于Hadoop供应商和一些大数据技术公司来说，已经变得十分重要。这些公司正常尝试使用新方法，来简化用户部署Hadoop云系统的步骤，并降低用户的部署成本。例如，Cloudera将计量功能加入其Cloudera Director工具中，以管理构建在Hadoop中的分布式集群。这允许Cloudera用户采用一种基于使用的定价模型，而不必以节点为单位进行支付，这让他们能够运行一些因特定目的搭建起来的临时系统，使用完后可以释放资源，从而避免成本的上升。

在单个Cloudera Director实例的大数据云环境中，用户现在可以在其中的多个区域内部署集群。此外，新版本的Cloudera Enterprise(一个基于Hadoop的大数据平台)实现了在Amazon Simple Storage Service(S3)数据存储上直接运行Apache Impala SQL-on-Hadoop 查询引擎。这使得不需要移动数据到Hadoop分布式文件系统就可以实现查询操作，这也为用户在AWS云上部署临时系统提供了便利。

按需定价以及对Impala-on-S3的支持，在Narasimhan Sampath看来是非常有用的，他是Choice Hotels International Inc.公司的系统架构师，这家公司在AWS云上运行着Cloudera-based集群，这些集群与Spark数据处理引擎和Kafka信息查询系统等技术协同工作，以支持各种自助分析应用程序。欢迎加入大数据学习交流分享群： 658558542   一起吹水交流学习（☛点击即可加入群聊）

把你的集群迁移到云上

在Strata + Hadoop World 2016会谈中，Sampath表示，Choice遵循了BYOC的方式，将自己的集群，以按需的方式部署到云环境。例如，营销部门的集群可以部署到云中，完成一项工作，然后释放资源。同样地，开发团队的集群每天运行12小时，然后在夜间关闭，以节省公司在AWS云上的投入。

Cloudera的计量定价方式非常适合这种情景，Sampath在会谈结束后说道。“我并不需要购买500个(Cloudera)许可证，除非我无时无刻都在使用这些资源。这和亚马逊的模型是一样的。”他补充道，Choice过去六个月与Cloudera进行了十分紧密的合作，试图连接S3和Impala，Impala最初由Cloudera作为开源软件发布。Choice使用S3作为数据存储。Sampath说，Impala对新查询的支持为BYOC策略提供了额外的灵活性。

Cloudera负责云产品营销的主管David Tishgart表示，他们已经越来越乐意在客户中推广云。但直到现在，他们对临时系统也没有太好的解决方案，也不能随便增加或减少工作负载。他承认，由于这个原因，大多数Cloudera用户选择了在云中长期运行集群，而不是采取临时的方式。

追上Hadoop 云的脚步

随着越来越多的用户展示出对云的兴趣，Clouder需要与Amazon Elastic MapReduce(EMR)，AWS提供的Hadoop云平台进行竞争。此外，Cloudera还发现，自己在与微软Azure HDInsight大数据云服务的竞争中也处于劣势，该平台基于Hortonworks Inc .的Hadoop的分布式环境。

根据Gartner分析师Merv Adrian所述，从用户数量的角度看，EMR已经让AWS成为了最大的Hadoop供应商。AWS最初落后于其他Apache Hadoop竞争对手，但两年前这种情况得以改变，现在AWS Hadoop用户数比其他厂商总和还要多。

Hortonworks还专注于扩展Hadoop云功能，他们表示，HDInsight现在运行着2.5版的Hortonworks数据平台(HDP)。此外，Hortonworks现在还支持Microsoft's Azure Active Directory service 和Apache Ranger的集成。(Apache Ranger是一个用来管理Hadoop数据安全性和用户访问权限的框架)

尽管与微软云环境关系密切，但Hortonworks也提供HDP的技术预览版，以便AWS用户使用Spark和Apache Hive搭建临时集群。“我们了解所有云环境上的工作负载情况，”该公司主管全球营销的高级副总裁Matt Morgan说道。

Paxata公司也开始使用云环境。这家自助服务数据准备软件的供应商提供了一个新工具，叫做Paxata Connect，它可以汇总运行在不同Hadoop集群上的数据，其中也包括独立云平台中的数据。Paxata首席产品官Nenshad Bardoliwalla说道，很多Hadoop的工作负载都已迁移到云，能够创建“临时”集群，运行特定的工作，然后释放资源，这种模式的诱惑十分巨大。

结语

感谢您的观看，如有不足之处，欢迎批评指正。

如果有对大数据感兴趣的小伙伴或者是从事大数据的老司机可以加群：

658558542    （☛点击即可加入群聊）

里面整理了一大份学习资料，全都是些干货，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，送给每一位大数据小伙伴，这里不止是小白聚集地，还有大牛在线解答！欢迎初学和进阶中的小伙伴一起进群学习交流，共同进步！

最后祝福所有遇到瓶颈的大数据程序员们突破自己，祝福大家在往后的工作与面试中一切顺利。