青云QingCloud全新双引擎大数据服务SparkMR正式上线

企业级云服务商青云QingCloud日前宣布SparkMR on QingCloud服务正式登陆AppCenter。SparkMR on QingCloud集成了Spark与Hadoop MapReduce双计算引擎，提供统一的HDFS数据存储引擎及YARN调度系统，为用户提供灵活、高效、可多模式切换的全新云端大数据处理平台。

青云QingCloud全新双引擎大数据服务SparkMR正式上线

大数据时代，数据资源是企业的无形资产，也是核心竞争力之一。如何低成本、高效率地进行数据统一管理和分析，获得商业决策支持成为摆在企业面前的一道难题。大数据平台正是为了企业的这种需求应运而生并持续发展创新。青云QingCloud于2015年8月推出了基于Spark的大数据集群服务，同年12月，推出Hadoop集群服务作为大数据基础平台的有力补充，以此来满足企业在大数据领域的不同需求。

但由于Spark与Hadoop作为两个独立的服务，用户同时使用这两种处理引擎时，需要部署两套HDFS，相同的数据需要加载并存放两份，无论是成本还是效率都不是最好的选择。从数据统一管理角度出发，青云QingCloud推出SparkMR on QingCloud，通过QingCloud AppCenter以云应用的方式交付用户使用，对原有大数据平台的Spark与Hadoop服务进行了全方位的整合与升级。

目前，SparkMR支持Apache Hadoop 2.7.3与Apache Spark 2.2.0。Spark和Hadoop两者结合后，成本显著降低。同时，相对原大数据平台提供更丰富、更灵活的可选配置，用户可以分角色定制节点配置（CPU 2~16核可选，内存2~64GB可选）。SparkMR on QingCloud作为支撑全新双引擎大数据平台的重要组件，具有多重亮点：

灵活的计算模式：SparkMR在底层提供统一的HDFS作为数据存储引擎，在上层提供Spark与MapReduce两种计算引擎，并提供YARN作为调度系统。用户可以轻松实现三种不同的计算模式，即Spark Standalone、Spark on YARN和MapReduce on YARN三者之间的切换。

强大的计算能力： SparkMR为了方便用户开发Spark应用，除了支持Java和Scala开发之外，还提供了Python与R两种语言的运行环境。其中为Python用户提供了Anaconda发行版的Python 2和Python 3，并支持在这两种Python版本间进行切换。同时，分别为这两个Python版本预置了多个Anaconda发行版的数据科学包，为数据科学和机器学习/深度学习等 AI 开发场景提供了强大的计算能力支撑。

便捷的集成能力：SparkMR支持指定依赖服务的功能，即通过AppCenter 2.0 框架内原生的应用感知机制，实现与其他大数据分析组件之间自动化的无缝集成。SparkMR与QingStor对象存储平台也进行了预置集成，用户可以通过简单的配置即可开启对QingStor对象存储的支持，以应对海量大规模数据的存储问题。

良好的调度策略： SparkMR提供Spark与YARN的自定义调度器的功能，用户可以根据自己实际的需求，自定义集群内资源调度策略，赋予用户在多租户使用场景下更为精细化的管理能力。

简易的服务定制：SparkMR通过控制台提供近60个配置参数，用户通过控制台的UI操作即可完成集群部署及服务的个性化定制。比如用户可以通过 UI 即可完成设置 Hadoop 代理用户的功能。SparkMR的Client（客户端）节点也实现了完全的自动化配置，用户无需再单独创建并手动配置BigData Client或者Spark Client。这意味着用户在控制台完成配置及服务定制后，在部署完成时，已经可以开始执行计算任务，真正实现了一键部署、即刻使用。

完善的服务监控：SparkMR提供了完善的服务级别分角色的监控能力，用户不仅可以看到常规资源层监控，还可以通过可视化的方式清晰了解整体服务的运行情况。同时基于服务监控，还提供了监控告警、健康检查和服务自动恢复等功能。

青云QingCloud CTO甘泉表示，SparkMR on QingCloud的推出标志着青云QingCloud大数据平台向AppCenter的迁移升级完成了重要一步。AppCenter将助力用户以应用的视角进行大数据日常管理工作，并通过自身的服务感应机制，让组件间的对接不断趋于自动化，实现动态调整。未来，QingCloud将陆续推出可视化、服务编排等更贴合企业需求的大数据服务。在深度学习领域，QingCloud也将持续深耕、不断创新，让智能化与云计算深度结合，为企业的商业决策提供有力支撑。