基于Kubernetes构建现代大数据管道

推荐:大数据利器

[大数据利器.xls 类别 名称 官网 备注 ]

看新闻很累?看技术新闻更累?试试 下载InfoQ手机客户端 ,每天上下班路上听新闻,有趣还有料!

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。

推荐:NoSQL 与大数据

[概览一下大数据项目中可以使用的数据存储技术,展示如何使用以及它们的区别。先理解一下NoSQL领域中各种不同的技术:key/value, 列存储,文档型和graph 图存储,然后聚焦

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

推荐:大数据

[自从2011年开始,几乎谁谈到大数据谁就是很牛逼的人,可是大数据究竟是什么,怎样的数据量可堪称大数据?这样简单的问题一直在困扰着我。 从12年开始,我开始关注大数据的

阿里云优惠券

相关推荐

发表评论
评论观点
点击加载更多
还没有评论,来两句吧