
分布式存儲(chǔ)與數(shù)據(jù)庫(kù)選型問(wèn)答整理分享_數(shù)據(jù)分析師
日,有關(guān)存儲(chǔ)系統(tǒng)選型的問(wèn)題在微信群里討論的火熱,CSDN在這里稍微將各位專家的問(wèn)答總結(jié)了一下,分享給大家。
文章內(nèi)容來(lái)源大數(shù)據(jù)基礎(chǔ)設(shè)施微信群,參與討論的專家有中國(guó)科學(xué)院軟件研究所工程師,C3核心成員李明宇,國(guó)防科學(xué)技術(shù)大學(xué)教授,CCF大數(shù)據(jù)專家委員會(huì)委員李東升,云人科技聯(lián)合創(chuàng)始人兼CEO吳朱華,Memblaze技術(shù)顧問(wèn)劉愛(ài)貴等等。
Q:有一個(gè)場(chǎng)景:每天有近百GB數(shù)據(jù)增加,數(shù)據(jù)內(nèi)容有WORD文檔和圖像等多種類型。用什么存儲(chǔ)或文件系統(tǒng)比較合適?
A: HDFS、HBase、Hive不太適合存文檔、圖片大小的文件,HDFS適用于存大文件,后兩者適用于數(shù)據(jù)庫(kù)場(chǎng)景,每天近百GB的文檔、圖像,那只有用SWIFT了。
Q:SWIFT與Ceph、GlusterFS、MongoDB/GridFS之間的比較呢?
A:SWIFT是專為這種場(chǎng)景設(shè)計(jì)的,性能可以調(diào)節(jié)。
Q:如果圖像比較大的情況,一張圖接近GB時(shí),哪個(gè)合適?
A:我仍然推薦用SWIFT,SWIFT官方認(rèn)為對(duì)幾個(gè)G的支持都沒(méi)有問(wèn)題,但是我認(rèn)為處理幾個(gè)G的大文件性能上可能會(huì)比HDFS差,因?yàn)闆](méi)有條帶化。但是考慮到文檔、圖片類型存儲(chǔ),你會(huì)遇到很多幾兆、幾十兆的,這些文件的存儲(chǔ),HDFS就不如SWIFT了。從適用范圍的角度來(lái)看,咱們這個(gè)場(chǎng)景里還是首選SWIFT。
Q:GlusterFS它的優(yōu)點(diǎn)在哪里,在文件數(shù)量太大時(shí)Gluster會(huì)出現(xiàn)性能問(wèn)題正常么?
A: GlusterFS,它的優(yōu)點(diǎn)在于如果你需要使用POSIX接口,那GlusterFS是一個(gè)很好的選擇,但是Gluster在文件數(shù)量、目錄數(shù)量太大的情況下會(huì)出現(xiàn)性能衰減,這是文件系統(tǒng)本身的特點(diǎn)決定的,不論是哪種POSIX兼容的文件系統(tǒng),都存在類似的問(wèn)題。
Q:SWIFT、Ceph、GlusterFS、MongoDB那個(gè)更好?
A:關(guān)于SWIFT、Ceph、GlusterFS、MongoDB之間的比較,沒(méi)有孰優(yōu)孰劣,只有是不是適合。MongoDB是NoSQL數(shù)據(jù)庫(kù),和HBase是同一類,但是和其他幾個(gè)分布式存儲(chǔ)顯然不是同一類的,不適合用于此類場(chǎng)景。
Q:Ceph,SWIFT分別適合什么樣的情況?
A:如果你只需要用塊存儲(chǔ),那當(dāng)然是Ceph,如果只需要用對(duì)象存儲(chǔ),那當(dāng)然是SWIFT。各自有各自擅長(zhǎng)的地方,不過(guò)現(xiàn)在因?yàn)镃eph也支持對(duì)象存儲(chǔ),SWIFT和Ceph又是OpenStack社區(qū)非常頻繁提到的兩種存儲(chǔ)形式,所以,有很多人會(huì)把SWIFT和Ceph在一起比較。
如果只要用對(duì)象存儲(chǔ),就選擇SWIFT;如果只要用塊存儲(chǔ),那就Ceph;即要用對(duì)象存儲(chǔ)又要用塊存儲(chǔ)的場(chǎng)合,是用SWIFT還是Ceph呢?我們一般是這樣推薦的:
1.如果節(jié)點(diǎn)數(shù)量很大,推薦用Ceph單獨(dú)做塊,用SWIFT做對(duì)象存儲(chǔ),因?yàn)樵诠?jié)點(diǎn)數(shù)量較大時(shí),Ceph的維護(hù)成本比SWIFT要高得多,大多數(shù)場(chǎng)景實(shí)際應(yīng)用的時(shí)候會(huì)發(fā)現(xiàn),大部分?jǐn)?shù)據(jù)都可以放到對(duì)象存儲(chǔ)上(這一點(diǎn)如果有疑問(wèn),歡迎隨時(shí)討論);
2.如果節(jié)點(diǎn)數(shù)量少,那就用Ceph統(tǒng)一搞定,因?yàn)橐话阏J(rèn)為生產(chǎn)環(huán)境中最小的分布式存儲(chǔ)應(yīng)當(dāng)有五個(gè)節(jié)點(diǎn),所以,如果節(jié)點(diǎn)數(shù)量少于十個(gè)或者剛到十來(lái)個(gè),那構(gòu)建兩個(gè)分布式存儲(chǔ)顯然是不理想的(考慮到空間劃分問(wèn)題);
3.如果團(tuán)隊(duì)里有牛人能輕松解決Ceph大規(guī)模部署問(wèn)題,那就果斷用Ceph;
4.如果希望對(duì)象存儲(chǔ)能夠和OpenStack其他項(xiàng)目無(wú)縫結(jié)合,如果希望實(shí)現(xiàn)多租戶,果斷用SWIFT來(lái)實(shí)現(xiàn)對(duì)象存儲(chǔ)。
Q:對(duì)象存儲(chǔ)的本質(zhì)是什么?
A:對(duì)象存儲(chǔ)本身有兩個(gè)概念,一種是九幾年提出的,針對(duì)NAS性能問(wèn)題提出的一種新的存儲(chǔ)架構(gòu),其實(shí)Gluster也是那種對(duì)象存儲(chǔ)。另一種是06年亞馬遜推出S3以后逐漸被人接受的對(duì)象存儲(chǔ),特點(diǎn)是RESTful接口和扁平的數(shù)據(jù)組織形式。我們說(shuō)的CEPH和SWIFT提供對(duì)象存儲(chǔ),指的是后者,但是CEPH的底層RADOS,又是前一類對(duì)象存儲(chǔ)。
Q:如果現(xiàn)在有一堆文件要存,如何選擇是用對(duì)象還是用文件系統(tǒng)呢?
A:所謂文件系統(tǒng)的本質(zhì)是POSIX接口,“對(duì)象”這個(gè)名詞是做對(duì)象存儲(chǔ)的人為了把自己做的東西和文件系統(tǒng)區(qū)分開(kāi)而用的術(shù)語(yǔ),把存在對(duì)象存儲(chǔ)里的文件叫做“對(duì)象”,所以選擇文件系統(tǒng)還是對(duì)象存儲(chǔ),跟你把這堆數(shù)據(jù)稱作對(duì)象還是文件并沒(méi)有直接關(guān)系,而是要看你是需要POSIX還是RESTful HTTP接口,是需要目錄結(jié)構(gòu)還是適用扁平數(shù)據(jù)管理結(jié)構(gòu)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場(chǎng)景的分 ...
2025-09-10