M
RS1 RS2
实现用户认证和授权
Native API
NameSpace Table
Master
NS_PRIV TABLE_PRIV MetaRs
M
实现多个主节点的互备
Shell Client
zk
客户端子系统
元数据管理子系统
数据连续范围分区，类 似HBase
元数据与用户数据隔离存储
网络通信组件
Root file
JT0003
RegionServer
Zookeeper
RS级别结果汇聚 线程池管理 异步IPC调用
（走网络）
内部异步调用
Region Region 本地调用 RegionServer Region
HConnectionManager
Client
1,定位所有region Region 2，异步分发Call RegionServer Region Region Region
TODO: • 启用MRv1 JT/HMaster HA • 删除节点 • 节点异构配置(Ambari-3531)
数据仓库系统（HugeTable）
基于Hadoop的海量结构化数据存储系统，利用低成本硬件提供高性能的数据加载、索引查询 和并行分析能力，对外提供易于应用集成的数据访问接口
大容量：支持PB级别的数据存储能力 低成本：基于PC架构，不需要外接集中存 储设备 高性能：秒级别索引查询、数据并行扫描 可靠性：数据冗余备份永不丢失 可定制：根据应用需求选择索引类型及存储 引擎 接口丰富：提供标准的JDBC/ODBC/ SQL 接口；提串行Scan接口和分布式 MapReduce接口 外围工具：支持数据、性能、故障、配置、 日志管理功能；支持外部数据并行加载；支 持数据快速备份、恢复
ProtocolHandler
发送请求 返回结果
基于Ambari的Hadoop监控管理工具
• Apache Ambari是对Hadoop进行部署、监控和管理的开源项目
– Puppet部署hadoop服务 – Ganglia 收集hadoop 服务数据与生成图表 – Nagios监控集群服务状态并报警
例图：分时段汇总的业务场景
典型的应用场景之二：大数据查询系统
目标：针对海量结构化、半结构化数据的精确定位、区段扫描等条件查询操作，用 于网络优化、帐详单查询、故障定位、搜索引擎等业务场景。 技术要求举例：
针对海量数据实施交互式查询， 返回时间在1秒钟左右。 针对海量大数据规模实施查询， 数据规模可以达到100TB-10PB 规模。
应用系统 应用系统 应用系统 应用系统
API开发接口（JDBC//ODBC）
采用“两阶段提交协议即2PC”来实现分布 式事务
RCluster
负载均衡（F5等负载均衡设备）
安全组 SafeGroup01 安全组 SafeGroup22
TX Transaction Manager
集群节点1-1
存储引擎 存储节点
DataFile
• •
不依赖DFS，数据直接读写本地多个磁盘 Query Cache & Block Cache
存储节点集群子系统
存储节点
存储节点
SQL数据库（BC-RDB）
BC-RDB 是基于MySQL的分布式数据库，系统由多个安全组（safegroup）
和一个分布式事务管理器组成。
典型的应用场景之三：大数据挖掘系统
目标：针对海量结构化、非结构化数据的进行深度挖掘。通常需要根据业务需求设 计模型、训练集并选择算法（分类、聚类、关联、非结构化）。通常会使用各种分 布式数据挖掘工具和算法 技术要求举例：
针对海量数据实施全量数据挖掘， 规模达到10TB-PB规模。 处理时间没有严格要求，通常达 到几个小时，甚至更长时间
大数据库 大数据库
原始 数据
采集预处理
融合
计算1
处理
计算2
消息
数据插入通常采用批处理方式， 而查询通常带有条件，通常返回 结果数较少 系统具备较高的并发性，支持大 量用户同时查询，依然可以在给 定时间出口返回结果
营业厅系统
营业厅1
营业厅2
营业厅3
营业厅4
例图：帐详单查询系统
数据具有很高的可靠性和可用性 要求
REST
Puppet
基于该配置执行
Ambari-server
(http server/jetty)
HTTPS (heartbeat/json)
解析json取到command (state/execute/upgrade) 调用
Python
生成
site#.pp .repo (第一次或upgrage)
基于Ambari的Hadoop监控管理工具
• • •
单条查询等(少量数据) 实时性要求高的分析查询SQL(数据量满足impala内存限制条件) 复杂SQL语句或者扫描大表全表（大规模数据聚合查询等占用空间超过了impala内存能力）
图计算平台（BC-BSP）
BC-BSP：针对社交网络分析、用户精准营销、搜索引擎PageRank计算等图计算领域的数据挖 掘需求而研发的并行计算框架，针对迭代计算，计算效率优于MapReduce框架
HTTP/JMX
Hadoop
与server部署在同一台服务
Ambari-web
(与server在同一个container)
Metrics
Shell
Ganglia
Nagios Yum
获取RPM
REST
DB
HTTP/cgi->rrd
HTTP/php
Ambari-agent
Ambari-client (python cli)
广 域 网
数据交换
并行 数据ETL
BC-BSP
并行 数据探索
并行 数据挖掘
社交 用户权限管 网络分析 理
HugeTable
任 务 数据分割 任务分解
block3
PC节点
MapReduce
子任 务 M1 M2 Mi R1 R2 Rj
…
元数据服务器
M2
block2
PC节点
… …
分布式集群 管理服务器
任务分发服务器
典型的应用场景之一：大数据批处理系统
目标：针对海量结构化、非结构化数据的ETL操作。从各种数据源获取数据，并进 行清洗、转换、去重、缺值补充等操作。通常采用MapReduce等并行计算技术。 技术要求举例：
针对海量数据实时离线批处理运 算（ETL），通常时间要求较为 宽松，如几个小时级别。 数据ETL运算种类多，灵活性强， 通常具有很强的定制化特征 数据通常需要导出到数据库、数 据仓库，提供报表能力 需要灵活的调度的系统，便于系 统需要和其他业务系统混合部署， 提高资源利用水平
5：写入S+1步指令 eat rt B
Launch Tasks
并行数据挖掘工具集（BC-PDM）
BC-PDM：支持SaaS模式的海量数据并行处理、分析与挖掘系统。适用于经营决策、用户行 为分析、精准营销、网络优化、移动互联网等领域的智能数据分析与挖掘应用
应用
各种海量数据处理、挖掘应用
主要特点
Web GUI/工作流引擎 SQL脚本 CLI命令行
检查点
任务 2
Worker 1
任务 3 任务 4 Worker 2 超步S
2: 局部同步
Barrier Synchronization
Worker Task Worker Server Server
等待
Worker Task Worker Server Server
检查点
Worker1
Worker Task Worker Server Server
block1 block2
block1 block3
PC节点
block1
M1
Rj
PC节点
block2
PC节点
block3
PC节点
PC节点
PC节点
R1
R2
PC节点
Mi
• 数据交换：支持与RDB直接交换数据 、支持CSV格式数据 • 数据ETL：支持数据清洗、转换、集 成等7大类45种ETL • 数据探索：支持数据统计、变量分析 、分布特征探索等 • 数据挖掘算法：支持分类、聚类、关 联分析等3大类共15种算法 • 社交网络分析：支持网络特征分析、 社团发现和演化、社团展示等 • 支持SaaS服务模式：Web浏览器使用 ，并可支持应用共享 • 支持丰富的用户UI： 支持Web图形化 方式创建数据分析逻辑，支持SQL脚 本方式，支持CLI命令行方式 • 支持二次开发：Java API、Web Service
结算 系统
信令 系统
云计算 资源池系统
物联 网应用
EMail
IDC服务
…
PaaS 产品
数据管理/分析类 实时交易类
“大云”产品
IaaS 产品
计算/存储资源池 文件中间件 弹性计算 BC-NAS BC-EC
商务智能平台
并行数据 挖掘工具 集 BC-PDM
能力开放平台
K-V数据库 BC-kvDB 分布式 SQL数据 库 BC-RDB 系 统 监 控 和 管 理 CloudSecurity CloudMaster 平 台 安 全 管 理
ZooKeeper 2 3：全局同步 BSPPeer
BSPMaster
WorkerServer
7：(可选)检查点同步
ZooKeeper
WorkerServer
BSPPeer BSPPeer
BSPPeer 6：读取 S+1步指令