當(dāng)我們想搭建一個(gè)時(shí)，碰到的第一個(gè)問題就是我們到底該如何選擇硬件。

雖然被設(shè)計(jì)為可以運(yùn)行在標(biāo)準(zhǔn)的X86硬件上，但在選擇具體服務(wù)器配置的時(shí)候其實(shí)沒那么簡單。為已知的工作負(fù)載或者應(yīng)用場景選擇硬件時(shí)，往往都要綜合考慮性能因素和性價(jià)比，才能選擇合適的硬件。比如，對于IO密集型的工作負(fù)載，用戶往往需要為每個(gè)CPU core匹配更多的存儲或更高的吞吐(more spindles per core)。

通過本文，您將學(xué)習(xí)到如何根據(jù)工作負(fù)載來選擇硬件，包括一些其他您需要考慮的因素。

1.計(jì)算和存儲

過去的十年，業(yè)界基本已經(jīng)形成了刀片和SANs(Storage Area Networks)的標(biāo)準(zhǔn)，從而滿足網(wǎng)格和處理密集型的工作負(fù)載。這種模式對于許多標(biāo)準(zhǔn)應(yīng)用(比如Web服務(wù)器，應(yīng)用服務(wù)器，較小的結(jié)構(gòu)化數(shù)據(jù)和數(shù)據(jù)搬運(yùn))還都是適用的，但是隨著數(shù)據(jù)量和用戶數(shù)據(jù)的增長，基礎(chǔ)設(shè)施的需求也發(fā)生了變化。Web服務(wù)器現(xiàn)在已經(jīng)有了緩存層，數(shù)據(jù)庫借助本地磁盤開始支持海量并發(fā)，數(shù)據(jù)搬運(yùn)的壓力迫使我們需要更多的在本地處理數(shù)據(jù)。

“很多人在搭建時(shí)都沒有去真正了解過工作負(fù)載”

硬件供應(yīng)商更新了對應(yīng)的產(chǎn)品來滿足相應(yīng)的需求，包括存儲刀片，SAS(Serial Attached SCSI)交換機(jī)，外掛的SATA陣列和容量更大的機(jī)架。然而，Hadoop是基于一個(gè)全新的存儲和處理數(shù)據(jù)的方式，盡量避免數(shù)據(jù)傳輸。Hadoop通過軟件層來實(shí)現(xiàn)大數(shù)據(jù)的處理以及可靠性，而不像一個(gè)SAN存儲所有數(shù)據(jù)，如果計(jì)算則傳輸?shù)揭幌盗械镀M(jìn)行計(jì)算。

Hadoop將數(shù)據(jù)在各臺服務(wù)器上，使用文件副本來保證數(shù)據(jù)不丟以及容錯(cuò)。這樣一個(gè)計(jì)算請求可以直接分發(fā)到存儲數(shù)據(jù)的相應(yīng)服務(wù)器并開始進(jìn)行本地計(jì)算。由于Hadoop集群的每臺節(jié)點(diǎn)都會(huì)存儲和處理數(shù)據(jù)，所以你就需要考慮怎樣為集群里的這些服務(wù)器選擇合適的配置。

2.為什么跟工作負(fù)載有關(guān)系

在很多情況下，MapReduce/Spark都會(huì)遭遇瓶頸，比如從磁盤或者網(wǎng)絡(luò)讀取數(shù)據(jù)(IO-bound的作業(yè))，或者在CPU處理大量數(shù)據(jù)時(shí)(CPU-bound的作業(yè))。IO-bound的作業(yè)的一個(gè)例子是排序，一般需要很少的處理(簡單的比較)卻需要大量的讀寫磁盤。CPU-bound的作業(yè)的一個(gè)例子是分類(classification)，一些數(shù)據(jù)往往需要很復(fù)雜的處理。

典型的IO-bound的工作負(fù)載如下：

• 索引(Indexing)
• 分組(Grouping)
• 數(shù)據(jù)導(dǎo)入導(dǎo)出
• 數(shù)據(jù)傳輸和轉(zhuǎn)換

典型的CPU-bound工作負(fù)載如下：

• 聚類和分類(Clustering/Classification)
• 復(fù)雜的文本挖掘
• 自然語言處理
• 特征提取

我們需要完全了解工作負(fù)載，才能夠正確的選擇合適的Hadoop硬件。很多人因?yàn)閺膩頉]有研究過工作負(fù)載，往往會(huì)導(dǎo)致Hadoop運(yùn)行的作業(yè)是基于不合適的硬件。此外，一些工作負(fù)載往往會(huì)受到一些其他的限制。比如因?yàn)檫x擇了壓縮，本應(yīng)該是IO-bound的工作負(fù)載實(shí)際卻是CPU-bound的，或者因?yàn)樗惴ㄟx擇不同而使MapReduce或者Spark作業(yè)受限。由于這些原因，當(dāng)您不熟悉未來將要運(yùn)行的工作負(fù)載時(shí)，可以選擇一些較為均衡的硬件配置來搭建Hadoop集群。

接下來我們就可以在集群中運(yùn)行一些MapReduce/Spark作業(yè)進(jìn)行基準(zhǔn)測試，來分析它們的bound方式。可以通過一些監(jiān)控工具來確定工作負(fù)載的瓶頸。當(dāng)然提供了這個(gè)功能，包括CPU，磁盤和網(wǎng)絡(luò)負(fù)載的實(shí)時(shí)統(tǒng)計(jì)信息。通過Cloudera Manager，當(dāng)集群在運(yùn)行作業(yè)時(shí)，系統(tǒng)管理員可以通過dashboard很直觀的查看每臺機(jī)器的性能表現(xiàn)。

“第一步是了解運(yùn)維部門管理的硬件。”

除了根據(jù)工作負(fù)載來選擇硬件外，還可以與硬件廠商一起了解耗電和散熱以節(jié)省額外的開支。由于Hadoop是運(yùn)行在數(shù)十，數(shù)百甚至數(shù)千個(gè)節(jié)點(diǎn)上，盡可能多的考慮方方面面都可以節(jié)省成本。每個(gè)硬件廠商都提供了專門的工具來監(jiān)控耗電和散熱，以及如何改良的最佳實(shí)踐。

3.為CDH集群挑選硬件

在挑選硬件的時(shí)候，第一步是了解您的運(yùn)維部門所管理的硬件類型。運(yùn)維部門往往傾向于選擇他們熟悉的硬件。但是，如果您是在搭建一個(gè)新的集群，并且無法準(zhǔn)確的預(yù)測集群未來的工作負(fù)載，我們建議您還是選擇適合Hadoop較為均衡的硬件。

一個(gè)Hadoop集群通常有4個(gè)角色：NameNode(和Standby NameNode)，ResourceManager，NodeManager和DataNode。集群中的絕大多數(shù)機(jī)器同時(shí)是NodeManager和DataNode，既用于數(shù)據(jù)存儲，又用于數(shù)據(jù)處理。

以下是較為通用和主流的NodeManager/DataNode配置：

• 12-24塊1-6TB硬盤， JBOD (Just a Bunch Of Disks)
• 2 路8核，2路10核，2路12核的CPU, 主頻至少2-2.5GHz
• 64-512GB內(nèi)存
• 綁定的萬兆網(wǎng) (存儲越多，網(wǎng)絡(luò)吞吐就要求越高)

NameNode負(fù)責(zé)協(xié)調(diào)集群上的數(shù)據(jù)存儲，ResourceManager則是負(fù)責(zé)協(xié)調(diào)數(shù)據(jù)處理。Standby NameNode不應(yīng)該與NameNode在同一臺機(jī)器，但應(yīng)該選擇與NameNode配置相同的機(jī)器。我們建議您為NameNode和ResourceManager選擇企業(yè)級的服務(wù)器，具有冗余電源，以及企業(yè)級的RAID1或RAID10磁盤配置。

NameNode需要的內(nèi)存與集群中存儲的數(shù)據(jù)塊成正比。我們常用的計(jì)算公式是集群中100萬個(gè)塊(HDFS blocks)對應(yīng)NameNode的1GB內(nèi)存。常見的10-50臺機(jī)器規(guī)模的集群，NameNode服務(wù)器的內(nèi)存配置一般選擇128GB，NameNode的堆棧一般配置為32GB或更高。另外建議務(wù)必配置NameNode和ResourceManager的HA。

以下是NameNode/ResourceManager及其Standby節(jié)點(diǎn)的推薦配置。磁盤的數(shù)量取決于你想冗余備份元數(shù)據(jù)的份數(shù)。

• 4–6個(gè)1TB的硬盤，JBOD(1個(gè)是OS, 2個(gè)是NameNode的FS image [RAID 1], 1個(gè)配置給Apache ZooKeeper, 還一個(gè)是配置給Journal node)
• 2路6核，2路8核的CPU, 主頻至少2-2.5GHz
• 64-256GB的內(nèi)存
• 綁定的萬兆網(wǎng)

“記住，Hadoop生態(tài)系統(tǒng)的設(shè)計(jì)需考慮并行環(huán)境。”

如果預(yù)期你的Hadoop集群未來會(huì)超過20臺機(jī)器，建議集群初始規(guī)劃就跨兩個(gè)機(jī)架，每個(gè)機(jī)柜都配置柜頂(TOR,top-of-rack)的10GigE交換機(jī)。隨著集群規(guī)模的擴(kuò)大，跨越多個(gè)機(jī)架時(shí)，我們在機(jī)架之上還要配置冗余的核心交換機(jī)，帶寬一般為40GigE，用來連接所有機(jī)柜的柜頂(TOR)交換機(jī)。擁有兩個(gè)機(jī)架，可以讓運(yùn)維團(tuán)隊(duì)更好的了解機(jī)架內(nèi)以及跨機(jī)架的網(wǎng)絡(luò)通信需求。Hadoop網(wǎng)絡(luò)要求可以參考Fayson之前的文章CDH網(wǎng)絡(luò)要求(Lenovo參考架構(gòu))。

當(dāng)搭建好Hadoop集群后，我們就可以開始識別和整理運(yùn)行在集群之上的工作負(fù)載，并且為這些工作負(fù)載準(zhǔn)備基準(zhǔn)測試，以定位硬件的瓶頸在哪里。經(jīng)過一段時(shí)間的基準(zhǔn)測試和監(jiān)控，我們就可以了解需要如何增加什么樣配置的新機(jī)器。異構(gòu)的Hadoop集群是比較常見的，特別是隨著數(shù)據(jù)量和用例數(shù)量的增加，集群需要擴(kuò)容時(shí)。所以如果因?yàn)榍捌诓⒉皇煜すぷ髫?fù)載，選擇了一些較為通用的服務(wù)器，也并不是不能接受。Cloudera Manager支持服務(wù)器分組，從而使異構(gòu)集群配置變的很簡單。

以下是不同的工作負(fù)載的常見機(jī)器配置：

• Light Processing Configuration，1U的機(jī)器，一般為測試，開發(fā)或者低要求的場景：2個(gè)hex-core CPUs，24-64GB內(nèi)存，8個(gè)磁盤(1TB或者2TB)
• Balanced Compute Configuration，均衡或主流的配置，1U/2U的機(jī)器：2個(gè)hex-core CPUs，48-256GB的內(nèi)存，12-16塊磁盤(1TB-4TB)，硬盤為直通掛載
• Storage Heavy Configuration，重存儲的配置，2U的機(jī)器：2個(gè)hex-core CPUs，48-128GB的內(nèi)存，16-24塊磁盤(2TB-6TB)。這種配置一旦多個(gè)節(jié)點(diǎn)或者機(jī)架故障，將對網(wǎng)絡(luò)流量造成很大的壓力
• Compute Intensive Configuration，計(jì)算密集型的配置，2U的機(jī)器：2個(gè)hex-core CPUs，64-512GB memory,4-8塊磁盤(1TB-4TB)

注意：以上2路6核為最低的CPU配置，推薦的CPU選擇一般為2路8核，2路10核，2路12核

下圖顯示如何根據(jù)工作負(fù)載來選擇你的機(jī)器：

4.其他注意事項(xiàng)

Hadoop生態(tài)系統(tǒng)是一個(gè)并行環(huán)境的系統(tǒng)。在選擇購買處理器時(shí)，我們不建議選擇主頻(GHz)最高的芯片，這樣一般都代表了更高電源瓦數(shù)(130W+)。因?yàn)檫@會(huì)產(chǎn)生兩個(gè)問題：更高的功率消耗和需要更多的散熱。較為均衡的選擇是在主頻，價(jià)格和核數(shù)之間做一個(gè)平衡。

當(dāng)存在產(chǎn)生大量中間結(jié)果的應(yīng)用程序 – 輸出結(jié)果數(shù)據(jù)與輸入數(shù)據(jù)相當(dāng)，或者需要較多的網(wǎng)絡(luò)交換數(shù)據(jù)時(shí)，建議使用綁定的萬兆網(wǎng)，而不是單個(gè)萬兆網(wǎng)口。

當(dāng)計(jì)算對內(nèi)存要求比較高的場景，請記住，Java最多使用10%的內(nèi)存來管理虛擬機(jī)。建議嚴(yán)格配置Hadoop使用的堆大小的限制，從而避免內(nèi)存交換到磁盤，因?yàn)榻粨Q會(huì)大大影響計(jì)算引擎如MapReduce/Spark的性能。

優(yōu)化內(nèi)存通道寬度也同樣重要。比如，當(dāng)使用雙通道內(nèi)存時(shí)，每臺機(jī)器都應(yīng)配置一對DIMM。使用三通道內(nèi)存時(shí)，每個(gè)機(jī)器都應(yīng)該具有三倍的DIMM。同樣，四通道DIMM應(yīng)該被分為四組。

5.Hadoop其他組件的考慮

Hadoop遠(yuǎn)遠(yuǎn)不止HDFS和MapReduce/Spark，它是一個(gè)全面的數(shù)據(jù)平臺。CDH平臺包含了很多Hadoop生態(tài)圈的其他組件。我們在做群集規(guī)劃的時(shí)候往往還需要考慮HBase，Impala和Solr等。它們都會(huì)運(yùn)行在DataNode上運(yùn)行，從而保證數(shù)據(jù)的本地性。

HBase是一個(gè)可靠的，列存儲數(shù)據(jù)庫，提供一致的，低延遲的隨機(jī)讀/寫訪問。Cloudera Search通過Solr實(shí)現(xiàn)全文檢索，Solr是基于Lucene，CDH很好的集成了Solr Cloud和Apache Tika，從而提供更多的搜索功能。Apache Impala則可以直接運(yùn)行在HDFS和HBase之上，提供交互式的低延遲SQL查詢，避免了數(shù)據(jù)的移動(dòng)和轉(zhuǎn)換。

由于GC超時(shí)的問題，建議的HBase RegionServer的heap size大小一般為16GB，而不是簡單的越大越好。為了保證HBase實(shí)時(shí)查詢的SLA，可以通過Cgroups的的方式給HBase分配專門的靜態(tài)資源。

Impala是內(nèi)存計(jì)算引擎，有時(shí)可以用到集群80%以上的內(nèi)存資源，因此如果要使用Impala，建議每個(gè)節(jié)點(diǎn)至少有128GB的內(nèi)存。當(dāng)然也可以通過Impala的動(dòng)態(tài)資源池來對查詢的內(nèi)存或用戶進(jìn)行限制。

Cloudera Search在做節(jié)點(diǎn)規(guī)劃時(shí)比較有趣，你可以先在一個(gè)節(jié)點(diǎn)安裝Solr，然后裝載一些文檔，建立索引，并以你期望的方式進(jìn)行查詢。然后繼續(xù)裝載，直到索引建立以及查詢響應(yīng)超過了你的預(yù)期，這個(gè)時(shí)候你就需要考慮擴(kuò)展了。單個(gè)節(jié)點(diǎn)Solr的這些數(shù)據(jù)可以給你提供一些規(guī)劃時(shí)的參考，但不包括復(fù)制因子因素。

6.總結(jié)

選擇并采購Hadoop硬件時(shí)需要一些基準(zhǔn)測試，應(yīng)用場景測試或者Poc，以充分了解你所在企業(yè)的工作負(fù)載情況。但Hadoop集群也支持異構(gòu)的硬件配置，所以如果在不了解工作負(fù)載的情況下，建議選擇較為均衡的硬件配置。還需要注意一點(diǎn)，Hadoop平臺往往都會(huì)使用多種組件，資源的使用情況往往都會(huì)不一樣，專注于多租戶的設(shè)計(jì)包括安全管理，資源隔離和分配，將會(huì)是你成功的關(guān)鍵。