2019独角兽企业重金招聘Python工程师标准>>> 
1. 平台概述
1.1 cloudera架构
如上图所示，Cloudera Manager的核心是Cloudera Manager Server（服务名：cloudera-scm-server），它承载着整个平台的管理控制台和应用程序逻辑，并负责CDH组建的安装、配置、启动服务、停止服务和管理服务集群的运行。
Cloudera组件说明：
* Agent：安装在每一台主机上，负责进程的启动和停止、配置解压、触发安装，并监控主机。
* Management Service：由一组服务组成，负责平台的监控、告警和分析报告功能。
* Database：负责存储配置和监控信息。
* Cloudera Repository：CDH软件版本仓库。
* Clients：Clients是与服务交互的接口，包括Web-based UI或API。
Cloudera Manager Server与Cloudera Manager Agent之间通过心跳（Heartbeating）进行通信，Agent 每15秒发送一次心跳给Server，以汇报自己的活动。Server 也通过心跳响应Agent的活动。15秒的频率可以调整。
1.2 CDH概述
2 大数据集群安装及角色分配
以下按照最小规模集群进行角色分配，大规模集群根据情况增加响应的角色实例节点。
在服务器上分配角色时，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下。
（1）关键组件的角色信息
Cloudera的软件体系结构包含如下模块：系统部署和管理，数据存储，资源管理，处理引擎，工具库以及访问接口。关键组件的角色信息如下：
（2）Cloudera Manager安装
Cloudera Manager选用1个管理节点安装，Cloudera Manager就安装Cloudera Manager、Cloudera Management Service和MySQL数据库。
（3）主节点安装
至少三个主节点，主节点上安装CDH服务的管理节点以及HA组件，在必要的情况下，三个主节点放置在不同的机柜上。可以如下方式部署：
3 网络拓扑
3.1 大数据机房综合建设
3.2 单机架部署
适用于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模式，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。
3.3 多机架部署
在多机架部署模式下，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。
3.4 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。
4 硬件配置参考
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：
4.1 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。
4.2 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。
4.3 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。
