<sup id="lltmc"><noscript id="lltmc"></noscript></sup>

      <div id="lltmc"></div>

      <dl id="lltmc"></dl>

      <progress id="lltmc"><tr id="lltmc"></tr></progress>

      <dl id="lltmc"><ins id="lltmc"></ins></dl><progress id="lltmc"><tr id="lltmc"></tr></progress>

      MapReduce服務 

      MapReduce服務是結合天翼彈性云主機與Hadoop、Spark、HBase、Kafka、Storm等社區開源技術,為用戶提供企業級的一站式大數據處理分析服務。 
      MapReduce服務目前處于 公測階段  

      產品優勢

      優勢 MapReduce服務
      易用
      - 提供Hadoop、Spark、Spark SQL、HBase和Hive能力,全流程統一的SQL交互接口使得大數據開發變得更加簡單
      低成本
      - 免運維,計算和存儲分離,計算的集群可以按需創建,作業運行結束就可以釋放集群
      穩定
      - 您用于調試和監視集群的時間將更少,服務可用性高(99.9%),數據可靠性高(99.9999%)
      開放
      - 積極擁抱開源大數據生態,兼容開源,易于與其他服務對接,提供REST API、JDBC等多種使用方式

      產品功能

      基本功能
      集群功能
      按需選擇配置CPU、內存、存儲等。
      按需創建集群,配置主節點和核心節點的個數。
      根據業務需求彈性伸縮集群規模。
      提供多類型集群服務,Hadoop、Spark、SparkSQL、Hive、Hue、Kafka、Storm、Flume、Loader等。

      管理功能
      集群及作業的管理,包括:創建、擴容、添加等。
      支持集群監控及健康檢查、日志審計。
      支持Kerberos安全認證。
      支持多級租戶管理。
      作業類型
      MapReduce作業類型
      MapReduce:一種簡化并行計算的編程模型,用于大數據集(大于1TB)的并行運算。
      Spark:數據批量處理引擎,數據處理速度快,Spark是基于內存進行計算,對內存要求較高。Spark作業包括Spark Jar、Spark Script、Spark SQL三類。
      Hive:建立在Hadoop上的數據倉庫框架,提供類似SQL的HiveQL語言操作結構化數據。

      應用成果


      應用場景

      • 海量數據分析處理場景

        適用于需要大量機器同時對海量數據進行日志分析,離線分析,在線分析,科學模擬計算,生物特征分析和時空軌跡分析等場景。

      • 海量數據存儲場景

        適用于企業級日志與文件和生物特征信息、基因工程、時空軌跡等科學數據模擬場景的海量數據存儲和檢索,數據倉庫。

      • 海量數據流式處理場景

        適用于需要對高吞吐的海量數據進行實時分析、持續計算、離線和在線消息消費的場景。


      服務方式


      服務對象

      ?2018中國電信股份有限公司云計算分公司版權所有 京ICP備 12022551號  增值電信業務經營許可證A2.B1.B2-20090001  公司地址:北京市西城區金融大街31號1-1613        


      TOP

      獲取幫助

      在線客服
      咨詢熱線
      • 400-810-9889
      備案熱線
      • 400-810-9889轉3
      加盟熱線
      • 400-810-9889
      客服郵箱
      備案郵箱
      pc蛋蛋机器人
      <sup id="lltmc"><noscript id="lltmc"></noscript></sup>

          <div id="lltmc"></div>

          <dl id="lltmc"></dl>

          <progress id="lltmc"><tr id="lltmc"></tr></progress>

          <dl id="lltmc"><ins id="lltmc"></ins></dl><progress id="lltmc"><tr id="lltmc"></tr></progress>

          <sup id="lltmc"><noscript id="lltmc"></noscript></sup>

              <div id="lltmc"></div>

              <dl id="lltmc"></dl>

              <progress id="lltmc"><tr id="lltmc"></tr></progress>

              <dl id="lltmc"><ins id="lltmc"></ins></dl><progress id="lltmc"><tr id="lltmc"></tr></progress>