专业建设验收网站,珠海网站设计培训,社交电商是做什么的,wordpress导航加tuSMP架构 数据处理系统的架构最简单的实现方式就是单节点#xff0c;但是随着数据量的增大#xff0c;为了使单节点的机器性能更加强大#xff0c;需要增加CPU数量和加大内存来提高吞吐量。这就是所谓的SMP(Symmetrical Multi Processing,对称多处理)架构。 但是这种架构带来… SMP架构 数据处理系统的架构最简单的实现方式就是单节点但是随着数据量的增大为了使单节点的机器性能更加强大需要增加CPU数量和加大内存来提高吞吐量。这就是所谓的SMP(Symmetrical Multi Processing,对称多处理)架构。 但是这种架构带来的问题也很明显不仅所有CPU是完全平等且共享内存和总线资源的会带来资源竞争。而且随着CPU数量的增加机器成本会呈指数级增长。因此SMP的可扩展性是比较差的无法应对海量数据的处理场景。 分布式架构 基于SMP的局限提出了不共享任何东西share-nothing的分布式架构比如从 MPP(Massively Parallel Processing,大规模并行处理)架构到以Hadoop、Spark为代表的批处理再到以Flink为代表的流处理架构都是以分布式作为系统架构的基本形态。Flink是一个分布式的并行流处理系统由多个进程构成这些进程一般会分布运行在不同的机器上。 对于分布式系统的管理有很多棘手的问题。比如集群中资源的分配和管理、进程协调调度、持久化和高可用的数据存储、以及故障恢复等。不过对于分布式系统中这些典型问题业内已经有比较成熟的解决方案和服务了。 因此Flink在设计中并不会去处理这些通用问题而是利用现有的集群架构和服务。比如在集群资源管理方面会与现有Yarn、K8s、Mesos等工具集成在分布式村粗方面会直接利用现有的HDFS、S3等分布式文件系统在高可用配置方面会依赖ZooKeeper来完成。 通过以上方式Flink就可以把精力集中在核心工作上了也就是分布式数据流处理。那么Flink是如何具体实现分布式流处理的它有哪些组件构成。 下一篇详细介绍。
