<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服务 

      MapReduce服务是结合天翼弹性云主机与Hadoop、Spark、HBase、Kafka、Storm等社区开源技术,为用户提供企业级的一站式大数据处理分析服务。 
       

      产品版本


      产品优势

      优势 MapReduce服务
      易用
      - 提供Hadoop、Spark、Spark SQL、HBase和Hive能力,全流程统一的SQL交互接口使得大数据开发变得更加简单
      低成本
      - 免运维,计算和存储分离,计算的集群可以按需创建,作业运行结束就可以释放集群
      稳定
      - 您用于调?#38498;图?#35270;集群的时间将更少,服务可用性高(99.9%),数据可靠性高(99.9999%)
      开放
      - 积极拥抱开源大数据生态,兼容开源,易于与其他服务对接,提供REST API、JDBC等多种使用方式

      产品功能

      基本功能
      集群功能
      按需选择配置CPU、内存、存储等。
      按需创建集群,配置主节点和核心节点的个数。
      根据业务需求弹性伸缩集群规模。
      提供多类?#22270;?#32676;服务,Hadoop、Spark、SparkSQL、Hive、Hue、Kafka、Storm、Flume、Loader等。

      管理功能
      集群及作业的管理,包括:创建、扩容、添加等。
      支持集群监控及健?#23548;?#26597;、日志审计。
      支持Kerberos安全认证。
      支持多级租户管理。
      作业类型
      MapReduce作业类型
      MapReduce:一种简化并行计算的编程模型,用于大数据集(大于1TB)的并?#24615;?#31639;。
      Spark:数据批量处理引擎,数据处理速度快,Spark是基于内存进行计算,对内存要求较高。Spark作业包括Spark Jar、Spark Script、Spark SQL三类。
      Hive:建立在Hadoop上的数据仓库框架,提供类似SQL的HiveQL语言操作结构化数据。

      应用成果


      应用场景

      • 海量数据分析处理场景

        适用于需要大量机器同时对海量数据进行日志分析,离线分析,在线分析,科学模拟计算,生物特征分析和时空轨迹分析等场景。

      • 海量数据存储场景

        适用于企业级日志与文件和生物特征信息、基因工程、时空轨迹等科学数据模拟场景的海量数据存储?#22270;?#32034;,数据仓库。

      • 海量数据流式处理场景

        适用于需要对高吞吐的海量数据进行实时分析、?#20013;?#35745;算、离线和在线消息消费的场景。


      服务方式


      服务对象

      ?2018中国电信股份有限公司云计算分公司版权所有 京ICP备 12022551号  增?#26723;?#20449;业务经营许可证A2.B1.B2-20090001  公?#38236;?#22336;:?#26412;?#24066;西城区金融大街31号1-1613 友情链接:        


      TOP

      获取帮助

      在线客服
      咨询热线
      • 400-810-9889
      备案热线
      • 400-810-9889转3
      合作热线
      • 400-810-9889
      客服邮箱
      • [email protected]
      备案邮箱
      • [email protected]
      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>