Big data para desarrolladores utilizando hadoop y openstack
0 recomendaciones616 vistas
El documento aborda la integración de OpenStack y Hadoop en el contexto de Big Data, enfatizando las habilidades requeridas y la adopción en la industria. Se describen las arquitecturas en la nube, sus ventajas y cómo OpenStack automatiza procesos mediante Heat. Además, se discuten benchmarks de rendimiento y la previsión de soluciones de Big Data y cloud computing en el futuro.
Big data para desarrolladores utilizando hadoop y openstack
- 1. Big Data para desarrolladores: Hadoop y Openstack I Guillermo Alvarado Mejía DevOps Engineer Victor Barrera Nuñez Data Scientist
- 2. Contenido ➢ Openstack ➢ Hadoop ➢ Arquitecturas en la nube ➢ Openstack & Hadoop ➢ Benchmark ➢ Consideraciones Generales ➢ Preguntas
- 3. Openstack
- 4. Openstack OpenStack es producto de la colaboración mundial de desarrolladores y administradores de sistemas DevOps que dan como resultado una plataforma Cloud de código abierto que entrega soluciones para todo tipo de nubes.
- 5. Openstack
- 6. Openstack Cuenta con más de 17.000 miembros individuales de 139 países y 850 organizaciones diferentes.
- 7. Openstack
- 8. Openstack Habilidades requeridas para incursionar en Openstack ➢ Python ○ Openstack está escrito en este lenguaje ➢ Linux (Command line navigation) ○ Openstack y sus componente corren sobre Linux ➢ Programación Bash (Linux scripting)
- 9. Openstack ¿Quién utiliza OpenStack? Destacan: PayPal, MercadoLibre, Comcast, NSA, Rackspace, Cisco, PlayStation, Dream Host, el CERN y Kio Networks como pionero en Latinoamérica. Visita http://www.openstack.org/user-stories/
- 10. Openstack Openstack está siendo acogido rápidamente en el sector corporativo.
- 11. Openstack Esencial: Integración y API´s. SDK’s: Clojure, Erlang, Go, Java, JS, .NET, Perl, PHP, Python, Ruby, etc. ¿Bash? Command Line Interfaces.
- 12. Openstack
- 13. Hadoop
- 14. Hadoop ➢ Problemas con sistemas tradicionales ○ Procesadores más rápidos y más RAM en una única máquina ➢ Problemas con sistemas distribuidos ○ Sincronización de datos, ancho de banda, fallos parciales ➢ Era Big-Data ○ Terabytes de datos por día ➢ Requerimientos para un nuevo enfoque ○ Speculative execution ○ Replicación ○ Escalabilidad
- 15. Hadoop ➢ Surge a partir de 2 publicaciones realizadas por Google en 2003 y 2004 ➢ Los datos son replicados múltiples veces en el sistema de archivos ○ Éstos son divididos en archivos más pequeños denominados “blocks” ➢ El nodo principal o master ○ Designa tareas a los nodos esclavos o datanodes ○ Reasigna tareas cuando un nodo falla o sale de operación
- 16. Hadoop 1500 Nodos 690 Nodos 140 Nodos http://wiki.apache.org/hadoop/PoweredBy
- 17. Hadoop
- 18. Hadoop
- 19. Hadoop
- 20. Hadoop ➢ Hadoop resuelve un problema real y por tal razón estará con nosotros por varias décadas ➢ Hadoop es una habilidad profesional que vale la pena adquirir
- 21. Hadoop
- 22. Hadoop Habilidades requeridas para incursionar en Hadoop ➢ Java ○ Hadoop está escrito en este lenguaje ➢ Linux (Command line navigation) ○ Hadoop y sus componente corren sobre Linux ➢ Programación Bash (Linux scripting) ➢ Hadoop Streaming ○ Python ○ Rubi ○ C
- 23. Hadoop ➢
- 24. Arquitecturas en la nube
- 25. Arquitecturas en la nube Las Arquitecturas Cloud son los diseños y desarrollo de elementos de infraestructura virtual y software que hacen un uso eficiente de los servicios en Cloud.
- 27. Arquitecturas en la nube ➢Son interoperables. ➢Ejecutan de forma óptima las tareas para cubrir una necesidad de negocio. ➢Sólo hacen uso de la infraestructura que es necesaria en cada momento. ➢Escalan basándose en la demanda.
- 29. Arquitecturas en la nube ¿El problema? Son tareas concurrentes, repetitivas. Dejemos de perder el tiempo, automaticemos. Desde un enfoque DevOps. Heat es el proyecto de OpenStack para Orquestación.
- 30. Arquitecturas en la nube Heat permiten la creación y gestión de: IPs flotantes, Instancias de computo, Redes, Virtuales, Volúmenes de almacenamiento, Grupo de seguridad/Firewall, Usuarios Funciones avanzadas: Alta disponibilidad, autoscaling, software de terceros, recovery. Además es compatible con Cloud Formation de AWS.
- 31. Arquitecturas en la nube
- 32. Arquitecturas en la nube Plantillas Archivos de texto con formato YAML, son un documento que detalla la orquestación. Heat Orchestration Template (HOT), es el lenguaje nativo de Heat para escribir una plantilla.
- 33. Arquitecturas en la nube Las plantillas también pueden especificar las relaciones entre los recursos, por ejemplo, este volumen está conectado a este servidor.
- 34. Arquitecturas en la nube
- 37. Openstack & Hadoop Time To Provision Time To Market A Hadoop le viene como anillo al dedo Openstack y su elasticidad
- 38. Openstack & Hadoop ➢ Tecnologías libres y de código abierto ➢ IDC estima un crecimiento alto (15%) de soluciones cloud y Big Data para 2014 ○ “Will big data make IT infraestructure sexy again?“, Mike Barlow, O’Reilly, 2014) ➢ Tecnologías y soluciones Big Data abarcarán el 89% de las inversiones en IT durante 2014 ➢ 70% de los datawarehouse experimentan problemas de procesamiento y almacenamiento, Gartner
- 39. Benchmark
- 40. Benchmark Cantidad de nodos de datos (datanodes) ➢ IBM tiene el cluster más grande con 1000 nodos de datos ➢ En promedio los cluster tienen 14 nodos de datos
- 41. Benchmark ➢ IBM, CISCO y HP son los cluster más rápidos ➢ KIO/DATTLAS es el 8º más rápido con 40 minutos para ordenar 1TB de datos Tiempo transcurrido ordenando un 1TB de datos
- 42. Benchmark ➢ CISCO tiene el cluster más eficiente con ~225 MB/seg por datanode ➢ IBM tiene el cluster más inificiente con 9,5MB/seg procesados por datanode Velocidad de procesamiento por datanode
- 43. Benchmark ➢ Los fabricantes tienen un promedio de 1170 GB RAM ➢ Nótese que a mayor memoria RAM, menor el tiempo de procesamiento Memoria RAM total instalada
- 44. Benchmark GB RAM versus Duración
- 46. Openstack & Hadoop El futuro: Sahara by Openstack. Disponible para Juno. Proyecto que proporciona un medio sencillo para aprovisionar un cluster Hadoop sobre Openstack. Configuración de varios parámetros: versión de Hadoop, la topología del cluster, los detalles de los nodos, etc.
- 47. Openstack & Hadoop ➢ Con un solo clic, autoservicio de aprovisionamiento basado en plantillas ➢ Escalamiento dinámico, disparadores de workloads. ➢ Medición de recursos de manera sencilla, Hadoop as a Service.
- 48. Openstack & Hadoop ➢ API´s para ejecutar tareas Map/Reduce, Oozie workflows, consutas Hive/Pig. ➢ Administración y monitoreo centralizado. ➢ Accesos a datos controlados. ➢ Acceso a UI integrado, como Hive y Pig.
- 49. Openstack & Hadoop ➢ Infraestructura ○ Nube privada o pública (OpenStack) ○ Alojamiento de servidores (Co-location) ➢ Misión crítica, datacenter diseño TIER IV ➢ Operación ○ Help desk 24/7 ➢ Big Data ○ Generación de modelos matemáticos ○ Hadoop as a Service ○ Data-Analytics as a Service