JindoFS: 云上大数据的高性能数据湖存储方案

  • 时间:
  • 浏览:18
  • 来源:uu快3棋牌_uu快3讨论群_规律

本文为云栖社区原创内容,未经允许不得转载,如需转载请发送邮件至yqeditor@list.alibaba-inc.com;不可能 您发现本社区所含涉嫌抄袭的内容,欢迎发送邮件至:yqgroup@service.aliyun.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。

下拉加载更多

Data Lake Analytics助力加和科技广告智能业务 - 性能提升4倍+,临时业务需求承接率提升3000%+

阿里经济体大数据平台的建设与思考

本场视频链接:云上大数据的有一种高性能数据湖存储方案

玩转阿里云EMR三部曲-高级篇 交互式查询及统一数据源

【盘点篇】从安全、稳定、高可用、高性能、智能等维度看阿里云存储 2018

Apache Spark中国技术交流社区历次直播回顾(持续更新)

Apache Spark3.0这种样?一文拿下Apache Spark最新技术发展与展望

JindoFS解析 - 云上大数据高性能数据湖存储方案

Spark Relational Cache实现亚秒级响应的交互式分析

计算存储分离不可能 成为云计算的有一种发展趋势。在计算存储分离后后,普遍采用的是传统的计算存储相互融合的架构(下图左侧),而且这种架构位于一定的大什么的问题,比如在集群扩容的后后会面临计算能力和存储能力相互不匹配的大什么的问题。用户在很多情形下只还要扩容计算能力不可能 存储能力,而传统的融合架构能才能了满足用户的这种需求,进行单独的扩充计算不可能 存储能力;其次在缩容的后后不可能 会遇到人工干预,人工干预后后还要保证数据在多个节点中同步,而当有多个副本还要同步后后,不可能 会造成的数据丢失。而计算存储分离架构(下图右侧)则可不还要很好的避免这种大什么的问题,使得用户只还要关心整个集群的计算能力。

JindoFS概述:云原生的大数据计算存储分离方案

形态学 化大数据分析平台设计

【飞天存储服务月报】2018年6月刊

基于 Tablestore 的大数据分析 Lambda 架构 - 云原生、弹性、流批一体

企业数据上云构建数据湖的正确姿势

ppt观看:https://www.slidestalk.com/AliSpark/0761944

玩转阿里云EMR三部曲-高级篇 交互式查询及统一数据源

EMR现有的计算存

Apache Spark中国技术交流社区历次直播回顾(持续更新)

2019年Apache Spark技术交流社区原创文章回顾

下一代企业级云上数据分析服务:Data Lake Analytics