当前位置: 首页 > news >正文

SmartX 榫卯企业云平台+ StarRocks 大数据联合解决方案

SmartX 榫卯企业云平台凭借弹性架构和极简运维的特性,为 StarRocks 数据库(简称“StarRocks”)用户提供灵活资源调度和按需扩展的 IT 基础架构,从而帮助其降低运维复杂度和总拥有成本。同时,该平台还可通过生产级超融合与分布式存储方案,为 StarRocks 提供稳定可靠的运行环境,保障后者在高负载条件下持续稳定运行。目前,SmartX 榫卯企业云平台已通过与 StarRocks 企业级产品——镜舟数据库的兼容性认证。

点击链接,了解更多方、案详情。

方案背景

StarRocks 支持 Shared-nothing 和 Shared-data 两种应用部署模式。其中,前者依托 BE 节点本地磁盘完成数据存储,后者则通过兼容 HDFS 或 S3 协议的共享存储系统实现。两种模式在实际应用中各有局限:

  • Shared-nothing:
    • 资源利用率低:部署后存在物理机独占问题,只能跑 StarRocks;且 StarRocks 本身仅支持副本策略,存储利用率在 3 副本下仅 33%。
    • 运维难度大:无 GUI 界面,操作需要通过命令行;监控报警需要通过 Prometheus 和 Grafana 单独做配置;换盘操作复杂;对运维人员的技术要求高。
  • Shared-data:
    • 不适用小规模部署:不适用于如测试环境等的小规模部署的情况,否则单独一套配置存储会需要很高的成本。

针对以上背景,SmartX 联合 StarRocks 推出大数据联合解决方案,基于 Shared-data 模式,提供超融合和分布式存储(分离部署)两种 IT 基础架构方案,覆盖中小规模测试与生产集群,以及大规模湖仓一体化架构等多种应用场景。

榫卯超融合方案

在基于 SmartX 榫卯超融合 & StarRocks 的解决方案中,SmartX 通过榫卯超融合软件为 StarRocks 集群提供基于 Shared-data 模式的虚拟机运行环境,并通过常驻缓存机制将虚拟磁盘映射为 StarRocks 计算节点(CN)的本地缓存层,保障该本地缓存层在混闪物理集群中可实现全闪级性能,以提升后者的查询效率。

同时,SmartX 平台内置的分布式文件存储组件(SFS)通过 HDFS 协议为 StarRocks 提供高效的后端存储服务,并以副本或 EC 作为冗余策略保障数据的高可靠性。此外,SFS 还可为外部 Hadoop 集群提供统一存储支持,以确保多系统之间的数据互通。

SmartX 榫卯超融合 & StarRocks 大数据解决方案架构图

方案优势及应用场景

SmartX 榫卯超融合& StarRocks 大数据解决方案通过一套硬件平台即可快速部署基于 Shared-data 架构的 StarRocks 集群,并配备统一的图形化管理界面、虚拟机模板和原生监控告警机制,可有效降低企业部署与运维压力,节省总拥有成本。同时,该方案还实现了计算与存储逻辑隔离,结合虚拟机 QoS 策略,可更好地满足中小规模集群灵活部署的需求。

榫卯分布式存储方案

在基于 SmartX 榫卯分布式存储 & StarRocks 的解决方案中,计算端与物理存储端分离部署于不同硬件集群。StarRocks 集群可在独立的计算集群中以 Shared-data 模式运行,其 CN 节点能够利用物理节点的本地 SSD 作为缓存层,从而有效提升数据访问性能。

同时,SmartX 榫卯分布式存储的文件存储组件可通过 HDFS 协议为 StarRocks 集群提供后端存储服务,并支持灵活选择副本或纠删码(EC)作为冗余策略。此外,企业外部计算端(如 Hadoop 集群)亦可接入 SmartX 榫卯分布式存储的块存储或文件存储,构建统一的数据平台。

SmartX 榫卯分布式存储 & StarRocks 大数据解决方案架构图

方案优势及应用场景

SmartX 榫卯分布式存储 & StarRocks 大数据联合方案实现了计算端与存储端完全解耦,不同类型的节点可独立按需扩展,既避免资源浪费,又提升系统隔离性。此外,在开启 CN 节点的缓存机制后, StarRocks 在 Shared-data 模式下,可获得与本地盘相近的性能。同时,榫卯分布式存储还具备磁盘亚健康监测、监控报警等丰富的企业级特性,和更高的存储利用率,可帮助用户在保障可靠性的同时有效降低成本投入,因此更适合大规模集群的部署场景。

如下图所示,启用 CN 节点缓存后,SmartX 榫卯分布式存储 + StarRocks 联合解决方案的性能接近 StarRocks Shared-nothing 部署模式下的本地盘水平。

StarRocks 应用部署方式对比

总结

SmartX 榫卯企业云平台凭借其轻量、开放且灵活的特性,使企业能够自由选择基础架构方案,在保障 StarRocks 稳定运行的同时,还可帮助企业降低建设成本、简化运维管理并提升存储可靠性,实现 IT 基础设施到数据库的高效协同。

http://www.dtcms.com/a/390473.html

相关文章:

  • CodeX 新王已来:从技术原理到工程实践,AI 如何重构编程全流程
  • 智慧赋能:King‘s Biobank 重构生物样本管理新范式
  • Chromium 138 编译指南 Ubuntu 篇:环境配置与基础准备(一)
  • 知识库新增三方应用AI问答,新增标签管理,集成Excalidraw,重构全文检索,zyplayer-doc 2.5.4 发布啦!
  • JupyterLab部署及使用
  • 本地连接服务器使用jupyter
  • 泰迪智能科技分享数据挖掘定义、主要方法、预处理、应用领域
  • (vue)vue2实现导入excel文件功能
  • 【C语言数据结构】第1章:绪论
  • Python自动化办公2.0全能实战:从Excel到BI大屏,从OCR到机器学习,一站式提升办公效率100倍
  • 第十四届蓝桥杯青少组C++选拔赛[2022.11.27]第二部分编程题(3、业务办理时间)
  • 微服务-网关gateway理论与实战
  • 吴恩达机器学习笔记week1-2(线性回归模型及Sklearn的使用)
  • 11.2.4 聊天记录拉取设计与实现
  • 系统性学习数据结构-第五讲-排序
  • 编程的本质,到 AI 编程,再到 Vibe Coding
  • 自定义hadoop的单节点mapreduce
  • C++——面向对象
  • Java 生态监控体系实战:Prometheus+Grafana+SkyWalking 整合全指南(二)
  • One-Rec semantic-ID表征
  • HTML HTML基础(5)
  • EasyDSS视频推拉流技术如何实现无人机高清推流与超低延迟直播?
  • 音视频学习(六十六):使用ffmpeg api将实时的264、265裸流封装为fmp4
  • 【音频】在Ubuntu24.04上,源码编译安装Kamailio
  • 数据库与数据仓库易混淆点——数据库不是也可以用于数据的存储吗?为什么要数据仓库
  • 02-Media-9-video_encoder.py 使用视频编码器(VENC)来捕获并编码视频,保存在TF卡中的示例程序
  • Lighthouse安全组自动化审计与加固:基于MCP协议的智能运维实践
  • PHP基础-数据类型(第九天)
  • jQuery中的函数与其返回结果
  • 自动化机器学习框架NexusCore1.0稳定版文档概述