摘要：随着大数据分析技术的成熟，通过大数据对用户进行精准画像，并推送与其相关的资讯成为互联网企业提升用户体验的主流做法。浪潮通过互联网定制化服务器SA5112M5+SA5212M5的组合方案，让Hadoop大数据集群更高效。
大数据分析，实现海底捞针
目前互联网的信息繁杂，导致用户对于信息的选择更苛刻。只有在合适的时间，把合适的内容推送给合适的人，才能让信息产生价值。以旅游App为例，旅行社、酒店繁多，良莠不齐，为了帮助中国旅游者做出更好的旅行选择，在线旅游网站希望凭借便捷、人性且先进的搜索技术，对互联网上的机票、酒店、度假和签证等信息进行整合，为用户提供及时的旅游产品价格查询和信息比较服务。
Hadoop是大数据分析常用的平台
要实现实时精准搜索，需要建立比如Hadoop这样的大数据分析平台，在大规模集群上提供MPI、BSP、MapReduce、Spark等多种计算模型，实现大规模基础统计、分类、聚类、矩阵分解、图算法等一系列算法，并利用online learning技术，改进机器学习算法的规模以及性能，对网站进行内容基因分析，对用户进行长期兴趣点、短期兴趣点等的画像分析，帮助用户更快获取有兴趣的信息。
均衡类服务器是新建Hadoop平台的首选
为了保证数据可用性和容错性，Hadoop在集群服务器节点间分派数据并进行同步复制。同时为了保证快速的输出处理，存储数据的服务器也需要一定的计算能力。正是由于Hadoop集群中的每一台节点都存储并处理数据的特点，这些节点都需要足够的计算和存储能力来满足应用需求。
在一个平衡的Hadoop集群中，节点通常需要如下配置：
? 在一个磁盘阵列中要有12到24个1~8TB硬盘
? 2个频率为2~2.5GHz的四核、六核或八核CPU
? 64~512GB的内存
? 有保障的千兆或万兆以太网(存储密度越大，需要的网络吞吐量越高)
浪潮SA5112M5+SA5212M5组合方案建立高效Hadoop平台
Hadoop集群有四种基本任务角色:名称节点，工作追踪节点，任务执行节点，和数据节点。按照工作性质来划分，Hadoop集群中有两类节点，Master(主要负责任务调度)和Slave节点(主要负责具体执行)。不同节点，采用SA5112M5+SA5212M5服务器组合的方式，适应不同的工作负载以及存储容量的需求。
Hadoop不同节点有着不同的诉求
以名称节点为例，名称节点存储了所有分布式文件系统的元数据，其中包括文件、目录结构以及内存中的分块分配。每个分布式文件系统分块在名称节点的内存中大小约为250字节，另外加上文件和目录所需的250字节，共需要0.5k的内存。同时为了保证数据可靠，集群内至少需要有三个副本，因此64M实际数据需要1.5k的内存空间。一个热门的App由于拥有海量的用户、商家、地图等数据，其Hadoop集群有PB级的文件，因此为名称节点配置128G内存才可以满足扩展需要。
浪潮SA5112M5是专为互联网行业定制的1U机架式服务器，相比其他传统1U双路服务器，在前置4个3.5寸SATA硬盘的同时，独家设计支持2个SSD硬盘。这两个SSD硬盘可以作为数据缓存，提高作为缓存服务器的效率和访问速度。因此浪潮推荐选择SA5112M5作为Hadoop的Master节点方案，并针对Hadoop工作负载进行优化的平衡架构。基于全新一代英特尔® 至强® 可扩展处理器，单CPU最高拥有28个内核及56线程，24条DDR4内存，拥有更快响应速度。
浪潮SA5112M5服务器
集群中的slave节点具体执行数据存储和分析，因此不仅需要较高的计算能力，还需要高效的存储。浪潮推荐采用SA5212M5，这是一款2U计算存储均衡型服务器，搭载最新一代英特尔至强可扩展处理器，支持Intel Skylake平台3/4/5/6/8全系处理器，支持全新的微处理架构，AVX512指令集可提供上一代2倍的FLOPs/core，多达28个内核及56线程，计算性能可达到上一代的1.3倍。
浪潮SA5212M5服务器
在存储方面，SA5212M5通过空间分层技术，可在2U空间内支持高达200T的存储容量，轻松满足大容量存储的要求;同时，SA5212M5可实现全闪存场景配置，帮助用户进行高速数据分析，提供强大的计算性能。
当大数据分析已经成为一个成熟技术，如何用更高效的计算平台来加速应用的效率成为IT运营者重点关注的方向。浪潮拥有业界最丰富的服务器产品线，涵盖通用、整机柜和AI计算等方向，组建性能和TCO最优的IT系统，加速企业业务的发展。
