金山云容器引擎实践 为更多大数据用户赋能 - 主机参考VPS测评

随着云原生技术的加速普及，Kubernetes逐渐成为IT技术架构的基石，并推动着各行业技术架构的转型升级。在《InfoQ 编辑部开年聊聊今天，我们就分享下金山云容器引擎在大数据平台的应用实践。

大数据平台拥抱Kubernetes 金山云容器引擎应需而生

众所周知，Hadoop的出现加速大数据技术的应用推广，随着应用场景的不断丰富，近几年也涌现出多款优秀的计算框架，如Spark、Flink等。此前在大数据分布式调度平台中，大家普遍采用是Yarn，但是随着应用场景丰富和规模扩大，平台逐渐暴露出一些问题，如资源隔离限制较弱、监控信息不完善、弹性扩展能力弱、GPU支持不足等。

随着容器化的快速发展，大数据原有的Hadoop Yarn分布式任务调度模式，正在被基于Kubernetes的技术架构所取代。容器凭借轻量秒级部署、一次构建、处处运行的巨大优势，推动了快捷、自动化的工作流程，同时Kubernetes提供的强大编排能力以及蓬勃发展的社区生态，为大数据容器化提供了便捷的平台。

大数据支持on Kubernetes，例如Spark 从官方2.3版本开始就可以无需任何修改直接运行在 Kubernetes 上，这是一个里程碑式的事件，表明了未来技术架构的发展方向。

容器引擎是金山云推出的Kubernetes服务产品，基于原生的Kubernetes进行开发和适配，无缝融合了金山云生态的其他基础资源和产品服务。

目前，金山云容器引擎覆盖主流应用的多版本Kubernetes，支持一键式创建，多可用区高可用部署，同时提供旧版本的一键升级功能，持续保护用户资产;集成云平台能力，如网络lannel和Canal)、持久化存储(块存储和文件存储)、安全(多租户隔离和镜像仓库支持对Docker hub、gcr.io镜像加速，高速内网下载镜像，11个9的可靠性保证;在控制台支持Kubernetes 的软件包工具Helm，提供金山云官方Helm Chart，支持在线可视化部署Helm应用。

此外，金山云容器引擎大幅降低了Kubernetes的使用门槛和综合成本，让用户开发团队更专注自身业务。

统一由于大数据应用的复杂性，会使用多种类型的机型作为Work节点，如利用云主机应对快速的流量扩容、利用云物理性能损耗能力、利用云GPU线程和高速计算力优势等等，来满足计算的需求。