谷歌云点击部署hadoop

Question

即使您计划使用 hadoop 连接器进行云存储，为什么 google cloud click to deploy hadoop 工作流需要选择本地永久磁盘的大小？默认大小是 500 GB .. 我在想如果它确实需要一些磁盘，它的大小应该小得多。在谷歌云中使用带有 hadoop 的云存储连接器时，是否有推荐的永久磁盘大小？

“在谷歌云平台上部署 Apache Hadoop

Apache Hadoop 框架支持跨计算机集群对大型数据集进行分布式处理。

Hadoop 将部署在单个集群中。默认部署创建 1 个主虚拟机实例和 2 个工作虚拟机，每个虚拟机有 4 个 vCPU、15 GB 内存和 500 GB 磁盘。创建一个临时部署协调器 VM 实例来管理集群设置。

Hadoop 集群使用 Cloud Storage 存储桶作为其默认文件系统，可通过 Google Cloud Storage 连接器进行访问。访问 Cloud Storage 浏览器以查找或创建可在 Hadoop 部署中使用的存储桶。

Google 计算引擎上的 Apache Hadoop 单击以部署 Apache Hadoop 阿帕奇Hadoop 区 us-central1-a 工作节点数

云存储桶 选择一个桶 Hadoop 版本 1.2.1 主节点磁盘类型 标准永久性磁盘 主节点磁盘大小 (GB)

工作节点磁盘类型 标准永久性磁盘 工作节点磁盘大小 (GB) "

Answer 1

永久性磁盘 (PD) 的三大用途是：

• 日志，守护进程和作业（或 YARN 中的容器）
  • 在打开调试日志记录后，这些可能会变得非常大，并可能导致每秒多次写入
• MapReduce 洗牌
  • 这些可能很大，但从更高的 IOPS 和吞吐量中获益更多
• HDFS（图像和数据）

由于目录的布局，永久性磁盘也将用于其他项目，如作业数据（JAR、与应用程序一起分发的辅助数据等），但这些也可以很容易地使用启动 PD。

由于 GCE 根据磁盘大小 [1] 扩展 IOPS 和吞吐量的方式，更大的永久性磁盘几乎总是更好。 500G 可能是开始分析您的应用程序和使用的良好起点。如果您不使用 HDFS，发现您的应用程序不会记录太多日志，并且在 shuffle 时不会溢出到磁盘，那么较小的磁盘可能也可以很好地工作。

如果您发现您实际上不需要或不需要任何永久性磁盘，那么 bdutil [2] 也可以作为命令行脚本存在，它可以创建具有更多可配置性和可定制性的集群。

1. https://cloud.google.com/developers/articles/compute-engine-disks-price-performance-and-persistence/
2. https://cloud.google.com/hadoop/