皇上,还记得我吗?我就是1999年那个Linux伊甸园啊-----24小时滚动更新开源资讯,全年无休!

基于 Kubernetes 构建现代大数据管道

作者 Srini Penchikala ,译者 薛命灯

容器技术(如 Kubernetes)为现代数据管道的实现带来了可能性。来自 lguazio 的大数据架构师 Eliran Bivas 在最近举行的 北美 KubeCon+CloudNativeCon 2017 大会 上做了演讲,谈论了大数据管道以及 Kubernetes 将如何帮助构建现代大数据管道。

在过去,大数据主要依赖 Hadoop,而近年来,大数据生态系统出现了新的数据库、流式数据和机器学习解决方案,Hadoop 的部署模型(Map Reduce、YARN 和 HDFS)已经无法完全满足它们的要求。它们还需要集群调度层来托管各种工作负载,如 Kafka、Spark 和 TensorFlow,并使用存储在各种数据库中的数据,如 Cassandra、Elasticsearch 和云存储。

Bivas 谈论了软件开发生命周期中的各种团队和他们的主要目标。应用工程师想要敏捷式的软件开发,数据工程师更关心数据被保存在哪里,想要让数据库运行在最佳状态,而 DevOps 团队希望所有系统都能正常工作,减少维护和中断时间。得益于容器技术的发展,所有这些目标都有望达成。

他介绍了一种通用框架,用于创建端到端的云原生分析应用程序。开发人员负责对数据服务与应用程序进行解耦,框架则让大数据解决方案更灵活和高效。该框架也可用在数据服务上,用于管理各种结构化、非结构化和流式数据。

整个解决方案应该要基于云原生应用和框架,并使用 Kubernetes 提供的统一编排层。

Bivas 描绘了一种持续分析流模型,包括处于中间层的数据服务,它们使用容器化的 Spark、TensorFlow 等大数据分析工具来分析来自数据存储(关系型数据库)和外部(物联网)的数据。

无服务器框架 KubelessOpenFaaS 可用在这些解决方案中。无服务器解决方案可以在不使用 YAML、Dockerfile 等文件的情况下进行方便的部署。它们还支持自动伸缩和触发事件。

Bivas 还介绍了 Nuclio 的架构细节,Nuclio 是最近开源的一个实时无服务器平台。它使用 Kubernetes 作为 YARN 之外的替代方案,还使用了 Spark ML、Presto、TensorFlow 和 Python,以及无服务器 Function。Nuclio 还支持可插拔的事件源和数据源。

他还谈论了实时分析技术在汽车维护方面的应用,通过 Web API 流式化汽车相关数据,并使用微服务进行数据摄取。他们使用天气数据和道路数据来增强汽车数据,根据天气条件组装合适的汽车配件。

Bivas 在演讲中进行了一个演示,展示了基于云原生架构进行大数据分析的优势。在演讲结时,Bivas 总结了一些最佳实践,如使用 Kubernetes 提供的工具、记录应用日志、收集度量指标、通过度量指标了解应用程序的性能。

如果读者对 Nuclio 框架感兴趣,可以查看它的 GitHub 项目代码示例文档

查看英文原文Modern Big Data Pipelines over Kubernetes

转自 http://www.infoq.com/cn/news/2018/01/big-data-pipelines-kubernetes

分享到:更多 ()

评论 抢沙发