金山云容器引擎实践 为更多大数据用户助力

众所周知，Hadoop的出现加速大数据技术的应用推广，随着应用场景的不断丰富，近几年也涌现出多款优秀的计算框架，如Spark、Flink等。此前在大数据分布式调度平台中，大家普遍采用是Yarn，但是随着应用场景丰富和规模扩大，平台逐渐暴露出一些问题，如资源隔离限制较弱、监控信息不完善、弹性扩展能力弱、GPU支持不足等。

随着容器化的快速发展，大数据原有的Hadoop Yarn分布式任务调度模式，正在被基于Kubernetes的技术架构所取代。容器凭借轻量秒级部署、一次构建、处处运行的巨大优势，推动了快捷、自动化的工作流程，同时Kubernetes提供的强大编排能力以及蓬勃发展的社区生态，为大数据容器化提供了便捷的平台。

大数据系统原生支持on Kubernetes，例如Spark 从官方2.3版本开始就可以无需任何修改直接运行在 Kubernetes 上，这是一个里程碑式的事件，表明了未来技术架构的发展方向。容器引擎是金山云推出的Kubernetes服务产品，基于原生的Kubernetes进行开发和适配，无缝融合了金山云生态的其他基础资源和产品服务。

目前，金山云容器引擎覆盖主流应用的多版本Kubernetes，支持一键式创建，多可用区高可用部署，同时提供旧版本的一键升级功能，持续保护用户资产;集成云平台能力，如网络方案(Flannel和Canal)、持久化存储(块存储和文件存储)、安全(多租户隔离和主机加固)等;镜像仓库支持对Docker hub、gcr.io镜像加速，高速内网下载镜像，11个9的可靠性保证;在控制台支持Kubernetes 的软件包管理工具Helm，提供金山云官方Helm Chart，支持在线可视化部署Helm应用。

此外，金山云容器引擎大幅降低了Kubernetes的使用门槛和综合成本，让用户开发团队更专注自身业务。

统一管理、弹性伸缩 为用户创造更多价值

由于大数据应用的复杂性，会使用多种类型的机型作为Work节点，如利用云主机应对快速的流量扩容、利用云物理服务器提供无性能损耗能力、利用云GPU服务器的大规模线程和高速计算力优势等等，来满足计算的需求。

金山云容器引擎提供混合集群的统一管理服务，在一个集群可以实现多种类型节点的统一管理，通过Label的设置可以实现对整体资源的统一调度部署，避免了多个集群的使用，一方面大幅降低了使用成本，另一方面有效提升管理效率。

大数据业务对计算的需求是动态的，并且波动较大，金山云容器引擎支持Cluster AutoScaler实现集群工作节点的弹性伸缩，节省开支。目前，金山云容器引擎本身免费对外提供使用，同时提供免费的企业级容器镜像仓库服务，用户仅需支付所使用资源的费用，工作节点支持预付费包年包月、按日配置付费、按小时配置计费等灵活的计费策略选择。

（编辑：大连站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!