華為云FusionInsight MRS直擊傳統大數據三大痛點，賦能新云原生企業

伴隨云計算、大數據、AI、5G等技術的飛速發展，“云原生”在2020年成為備受矚目的熱詞，云原生在確保企業數字化轉型中資源快速供給的同時，還能做到敏捷的應用開發、交付運維能力，加速企業的敏捷創新，是企業數字化轉型、智能化升級的必經之路。

早期，云原生只是提出了一些相關的技術，包括開源、容器、微服務、編排工具等，并沒有給出一個關于云原生的具體定義，各廠商根據自身的理解對云原生進行探索和實踐。歷經五年的野蠻生長，云原生技術和產業得到了長足的發展，現如今，云原生已被各行業廣泛接受，加速進入云原生2.0時代。在這個全新時代，數據作為云原生體系中的重要生產資料，如何發揮出數據最大的價值成為客戶迫切需要解決的問題。

傳統大數據平臺面臨的困境

隨著5G、IoT、AI等技術的飛速發展，各行各業的大數據系統隨之建立，并從海量數據發掘數據價值服務于客戶。而大數據平臺，已逐步進入客戶的生產系統中，發揮至關重要的作用。伴隨云原生概念的火熱，業務敏捷性的需求，傳統大數據平臺在應對時漸露疲態，集中表現在以下三個方面：

1.????硬件集采，配置不合理

目前，企業依然以統一采購硬件的方式為主，配置的框架固定，未考慮大數據在不同場景中對資源的不同訴求，例如離線分析高CPU使用率，實時分析高內存和CPU使用率，全文檢索高IO等使用服務器資源的特點，造成集采服務器配置與所需配置存在矛盾，易造成資源浪費。

同時，硬件異構，不同廠家的硬件，對于操作系統、大數據軟件甚至一個小的工具的異構兼容不統一，造成硬件不可復用，維護管理成本居高不下。

2.????手工部署，效率低

大數據部署、調優方案相對復雜，手工部署的步驟多，導致周期長、成本高。從方案設計到部署安裝調優完成，往往需要20多個環節，一個30節點規模的集群，至上線交付至少需要1個月。

同時，傳統大數據基礎環境的安裝存在大量重復性操作，例如安裝網絡、OS、硬盤RAID方案、分區等，手工部署操作不僅容易出錯，且效率不高，每天安裝速度僅在10-15節點。

3.????資源彈性不足

伴隨數據量的激增，大數據集群幾乎每年都需擴容一次，但傳統大數據在擴容時不夠敏捷，政企客戶在擴容時需先申報，再采購，等設備到位后才進行安裝部署擴容，完成整個過程至少需要3個月，超長的等待周期無法滿足高速變化的業務訴求。

同時，傳統大數據集群的資源獨占、不共享，資源彈性不足，在業務高峰時無法借用其他閑置資源，在業務低峰時，無法釋放閑置資源，造成一定的資源浪費。

傳統大數據走向云原生數據湖

面對傳統大數據共有的三大難題，各大廠商已紛紛利用云化來解決這些問題，華為云FusionInsight 認為，理想的云原生數據湖應該具備如下特性：

1.?????配置標準化，存算分離，資源利用率高

首先，云化讓大數據、數倉等資源配置標準化（華為多年大數據交付經驗計算）交付，可以根據客戶用數場景，科學地發放對應硬件資源；同時經過兼容性測試的硬件，也降低了客戶資源異構帶來的兼容性風險與ISV的適配工作量。

其次，云原生數據湖將采用存算分離架構，使得計算與存儲能夠獨立擴容，計算不足擴計算，存儲不足擴存儲，資源利用率提升30%+。

2.?????集群搭建周期從月到小時

基于云平臺，大數據環境搭建可實現全程可視化自動部署，在線運維監控，讓大數據集**付時間從數月縮短到小時級。

集群擴容，資源池申請，無需等待

管理員可預測建成的IAAS資源使用量，提前應對大數據資源申請，在實際使用中做到集群資源的彈性發放，無需等待，資源可用即可得。

大數據云化為客戶帶來敏捷、高效、彈性的便捷云底座，讓傳統大數據走向云原生數據湖，實現大數據與云計算融合，算力更彈性，管理更敏捷。

為加速政企數字化轉型，助力傳統大數據向云原生數據湖升級，原FusionInsight HD與華為云MRS強強結合，架構、內核歸一，已全面升級到FusionInsight MRS云原生架構，將為客戶提供一企一湖、一城一湖的解決方案。

更多云原生前沿技術請關注12月30日華為云TechWave云原生2.0技術峰會，擁抱云原生2.0，賦能“新云原生企業”！

EI企業智能 FusionInsight 大數據

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。