完全开源,更新速度很快
大数据组件在部署过程中可以深刻了解其底层原理
可以了解各个组件的依赖关系
部署过程极其复杂,超过20个节点的时候,手动部署已经超级累
各个组件部署完成后,各个为政,没有统一化管理界面
组件和组件之间的依赖关系很复杂,一环扣一环,部署过程心累
各个组件之间没有统一的metric可视化界面,比如说hdfs总共占用的磁盘空间、IO、运行状况等
优化等需要用户自己根据业务场景进行调整(需要手工的对每个节点添加更改配置,效率极低,我们希望的是一个配置能够自动的分发到所有的节点上)
Cloudera Manager是用于管理CDH群集的端到端应用程序。
缺点server和agent需要占用额外的内存和cpu(server占用内存为2G,agent占用内存1G,总共cpu为0.5核)
对linux常用命令需要了解颇深
对hadoop的apache版本有一定的安装经验和调优经验
统一化的可视化界面
自动部署和配置,大数据各类组件(hadoop、hive、hue、kudu、impala、zookeeper等)安装、调优极其便捷
零停机维护(免费版本不具有d性升级)
多用户管理(权限控制,支持ldap)
稳定性极好(部分优化措施都已经调整好)
1. 适用于节点在5个以上、各类大数据服务超过5个的集群,因为有些小公司紧紧就用了hdfs、yarn、hive、spark几个服务,为了节省服务器等资源,不需要部署cm 2. 适用于所有的大数据公司 3. 适用于对于大数据组件版本不需要经常变动的公司,例如:有些公司就是喜欢钻研新技术,然后喜欢新版本,但是由于cm的免费版本不支持d性升级,所以不建议喜欢新技术的公司用 4. 适用于运维人员,因为该平台安装好以后,维护工作相对来将就轻松许多,例如:使用apache版本的运维人员,对某一个组件进行调优,需要消耗半天的时间进行调整,效率极低;再比如安装1000个节点,需要手动部署,工作量可想而知
补充:
cm在国内用户量很大,戴尔、一号店等知名公司都在使用
cm和ambari在主流的大数据平台框架中,用户量比例很高
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)