Azure数据湖VS Azure HDInsight
我正在浏览Microsoft文档: 我是Azure Data lake和HDInsight的新手。URL中有一条语句告诉我们Azure数据湖VS Azure HDInsight,azure,azure-data-lake,azure-hdinsight,Azure,Azure Data Lake,Azure Hdinsight,我正在浏览Microsoft文档: 我是Azure Data lake和HDInsight的新手。URL中有一条语句告诉我们 "Azure Data Lake Store can be accessed from Hadoop (available with HDInsight cluster) using the WebHDFS-compatible REST APIs." 根据我最初的理解,Data lake store是一个可以存储任何类型数据的存储库。我认为HDInsight也做了同
"Azure Data Lake Store can be accessed from Hadoop (available with HDInsight cluster) using the WebHDFS-compatible REST APIs."
根据我最初的理解,Data lake store是一个可以存储任何类型数据的存储库。我认为HDInsight也做了同样的事情
我的问题是Azure Data lake和Azure HDInsight之间的区别是什么?如果HDInsight可以用于文件存储或任何类型的存储,那么为什么要使用Data Lake?如果有人能够详细说明这一点,那就太好了。谢谢。Azure Data Lake Store,只是一个数据存储。HDInsight也可以在您启动的集群中实现这一点。但是,当您停止该集群时,数据也会消失 客户通常使用Azure Data Lake Store或Azure storage来提供与用于处理数据的集群(计算)分离的永久存储
Guy想一想数据湖,最简单的方法就是想一想这个大型容器,它就像一个真正的湖泊,河流流入河流中你永远不知道河流来自何处(或河流的“类型”)。Azure Data Lake的引入使开发人员、数据科学家和分析师能够轻松地存储大数据,从而存储任意大小的数据它消除了接收和存储所有数据的复杂性,同时加快了大数据的启动和运行。Data Lake能够存储大量不同类型的数据(结构化数据、非结构化数据、日志文件、实时数据、图像等),并将其混合在一起,从而关联许多不同的数据类型。这里的关键是,我们正在从传统方式转向现代工具(如Hadoop、Cassandra、NoSQL DB等)。Azure Data Lake包括三项服务:
- Azure Data Lake Store,一个为大数据提供动力的无限制数据湖 分析
- Azure Data Lake Analytics,一种大规模并行的按需服务 就业服务
- Azure HDInsight,一款全面管理的云Hadoop和Spark 奉献
Azure Data Lake Store就像一个基于云的文件服务或文件系统,其大小几乎是无限的。我们可以在该存储中的数据之上运行服务。因此,您可以在HDInsight集群中使用Hadoop或Spark,也可以使用Azure Data Lake分析服务,它是Azure Data Lake存储的补充。该服务将允许您运行作业,有效查询存储在Azure data Lake store中的数据并生成输出结果。HDInsight是分析服务,而Azure data Lake Storage是存储服务。您很可能需要两者都具有功能分析群集 HDInsight提供集群,全面管理用于分析的开源软件包(Hadoop、Spark…等),您可以将集群设置为使用Azure Data Lake存储,该存储在云存储之上支持HDFS API(Hadoop文件系统) 这是您应该开始考虑的,它将Azure存储和ADL的优点合并到一个服务中。- ADLS第2代文档——简而言之
Hdinsight is a managed hadoop service (to provide compute support)
Azure Data lake(ADL) is a managed storage service (to provide large amount of storage support)
(代替ADL,您也可以选择在HDinsight中使用Blob,但Blob有一些限制(例如不支持通过HDinsight群集将文件流传输到存储)
下面是Azure文档中的定义:
Azure使用“分解硬件方法”
您可以将HDinsight关联或假设为Hadoop集群,将Azure Data lake(ADL)关联或假设为HDFS,但它们是分离的
如果您想与AWS建立联系,HDInsight相当于EMR,ADL相当于EMRFS或S3
如果终止群集,ADL存储将保留其中存储的文件。您可以使用其他服务或工具(如Azure Data bricks)直接访问存储,也可以在数据之上创建另一个hdinsight群集
Hdinsight使用ADL://和Hdinsight从不访问ADL
将文件块存储在节点中(就像Hadoop那样),而不是
映射到存储服务
Azure Data Lake Analytics在使用Azure Data Lake Store进行数据存储时提供无服务器计算,而在HDInsight中,我们需要根据处理要求指定和设计计算虚拟机节点。对于开发人员来说,在Azure Data Lake Analytics中使用无服务器计算可能是有利的,因为分析工作是开箱即用的。我不确定你是否应该这样画东西。相反,Azure上的HD Insight和HDP可以像Data Lak Analytics一样使用Data Laks Store。否则就太好了。啊,无服务器。你是说在进行分析时必须将数据加载到HDinsight中吗?