初期集群构建方案

LEE88

集群规模计算
集群规模取决于用户数据及应用需求，最终规划值为以下各种计算方式得出的最小集群规模的最大值
⦁        容量需求
⦁        估算相对容易且准确
⦁        大多数案例可以通过容量来决定集群规模
⦁         计算需求
⦁        准确的估算计算资源只能通过小规模测试并合理估算
⦁        其他资源限制
⦁        如用户MapReduce应用可能对内存等资源有特殊要求，且单节点可配置资源相对有限，则集群最小规模需满足用户此类资源要求
网络建议
⦁        建议使用万兆网络或更高速度网络
⦁        如要充分利用磁盘并行操作带宽，至少需要万兆网络
⦁        即使带宽足够，使用高带宽网络也能带来性能提升
⦁        对网络带宽敏感的场景：
⦁        ETL类型或其他高输入输出数据量的MapReduce任务
⦁        对于空间或者电力资源有限的环境中，可使用大容量节点并配合高速度网络
⦁        HBase等时延敏感类应用也对网络传输速度有要求

传统树状网络
⦁        网络超额(Oversubscription)
⦁        通过增加层次扩充网络，但会有如下问题
⦁        节点间网络距离增加
⦁        网络超额问题恶化
⦁        因此尽量采用超多端口交换机或扩充交换机背板扩充端口容量
⦁        小型或中型网络可以使用双层树形架构
⦁        仅通过顶层交换机上行端口和外部系统进行交互
⦁        避免Hadoop的网络传输风暴污染外部网络
组件架构
⦁        管理节点(Head/Master Node)：如NameNode, Yarn及Master等
⦁        提供关键的、集中的、无替代的集群管理服务
⦁        若该管理服务停止，则对应集群Hadoop服务停止
⦁        需要可靠性高的硬件设备
⦁        数据节点(Data/Worker/Slave Node)
⦁         处理实际任务，如数据存储，子任务执行等
⦁        同节点运行多个服务，为保证局部性
⦁        若该服务停止，则由其他节点自动代替服务
⦁        硬件各部件皆可能损坏，但能方便的替换
⦁        边缘节点(Edge Node)
⦁        对外提供Hadoop服务代理以及包装
⦁        作为客户端访问实际Hadoop服务
⦁        需要可靠性高的硬件设备
管理节点硬件要求
⦁        管理节点角色主要包括NameNode，Secondary NameNode，Yarn RM
⦁        Hive Meta Server以及Hive Server通常部署在管理节点服务器上
⦁        Zookeeper Server以及Hmaster可以选取数据节点服务器，由于一般负载有限，对节点无太大特殊要求
⦁        所有HA候选服务器(Active以及Standby)使用相同配置
⦁        通常对内存要求高但对存储要求低
⦁        建议使用高端PC服务器甚至小型机服务器，以提高性能和可靠性
⦁        双电源、冗余风扇、网卡聚合、RAID…
⦁        系统盘使用RAID1
⦁        由于管理节点数目很少且重要性高，高配置一般不是问题
数据节点配置策略建议
⦁        数量少但单点性能高的集群 vs. 数量多但单点性能低的集群
⦁        一般而言，使用更多的机器而不是升级服务器配置
⦁        采购主流的最”合算”配置的服务器，可以降低整体成本
⦁        数据多分布可获得更好的scale-out并行性能以及可靠性
⦁        需要考虑物理空间、网络规模以及其他配套设备等综合因素来
⦁        考虑集群服务器数目
⦁         计算密集型应用考虑使用更好的CPU以及更多的内存
内存需求计算
⦁        需要大内存的主节点角色：
⦁        NameNode, Secondary NameNode,YARN AM, Hbase Regionserver
⦁        节点内存算法：
⦁        大内存角色内存相加
⦁        计算类应用需要大内存，如Spark/Impala建议至少256GB内存
硬盘容量选择
⦁        通常建议使用更多数目的硬盘
⦁         获得更好的并行能力
⦁        不同的任务可以访问不同的磁盘
⦁        8个1.5TB的硬盘性能好于6个2TB的硬盘
⦁        除去数据永久存储需求外，一般建议预留20%至30%的空间用于存储临时数据
⦁        MapReduce任务中间数据
⦁        实际部署中每服务器配备12个硬盘非常常见
⦁        单节点存储容量最大值不超过48TB
存储服务需求
数据源        Hadoop方式物理存储容量        数据节点数量
原始文件
数据量 625T        625TB*3(复制份数)*0.3(压缩比)/80%(硬盘利用率)=703TB
(只存放明细数据，无表，无MR）        按30T每节点
703TB/30*1.05(冗余度)=25台
Hbase 和 Cassandra        数据服务：假设历史数据量为2.6T，每日增量为55G，数据保留365天，3副本
使用压缩时：
( 2.6 + 0.055*365 ) *1.3*1.2（key开销）/70%(硬盘利用率)=51T        按30T每节点
51T/30*1.3(冗余度)=3台
打开WAL时需增加：
region server wal大小(通常小於RS內存的一半)
服务器配置建议
        管理服务器        数据服务器        边缘服务器
CPU        2*E5-2620v4        2*E5-2620v4        2*E5-2620v4
硬盘         SAS 600GB*4
RAID0+1        SAS 600GB*2
SATA  2T*15        SAS 600GB*2
SATA  2T*15
内存        256G ECC        256G ECC        256G ECC
网络        双万兆网卡        双万兆网卡        双万兆网卡
数量        3        30        3
文件来源于www.bemore.cn