OpenStack Sahara是个命令行工具，通过简化流程，跟踪复杂的细节，使Hadoop和 Spark的安装、部署变得更加简单。
OpenStack如何构建Hadoop和Spark系统
OpenStack是一种云操作系统，用于提供虚拟机，而OpenStack Sahara是一个附加组件，使管理员能够在这些虚拟机上部署 Spark和Hadoop。换句话说，你可以将OpenStack Sahara作为一个中心点，构建Hadoop和Spark分布架构，做大数据分析。
Sahara本身提供的插件，可以用于不同供应商分配的Hadoop和Spark：
Vanilla: Apache Hadoop;
Ambari: Hortonworks Hadoop;
Spark: Apache Spark with Cloudera HDFS、Apache Spark with Cloudera Hadoop等
MapR：MapR plugin和 MapR File System等， Hadoop和Spark 准前端
Cloudera：Cloudera Hadoop分布式
从技术层面讲，不需要使用Hadoop来运行Spark,但是，由于Spark被分配存储在一个分布式架构中,因此，使用Hadoop来运行Spark，是最佳的选择。另外，Spark自身没有存储机制。
在架构中，Sahara 运行在OpenStack控制器节点上，而Hadoop集群运行在OpenStack计算节点上。
当然,还有其他的方法来部署Hadoop,比如说使用Docker containers,或者，还可以将Hadoop手动安装在虚拟或物理机器上。例如通过Ansible或者Puppet工具，使得这一切变得更加简单化。还有很多供应商以及供应商辅助工具可供选择，如Cloudera和MapR。另外，可以在不同云供应商的云中运行Hadoop。
使用OpenStack Sahara提供了一个中心点，可以部署并启动Hadoop，给每个VM分配一个Hadoop角色。作为一个开源的产品—一个不依赖于任何供应商的产品—能够获得OpenStack贡献者的支持，例如RedHat、Ubuntu、Suse、惠普、Workday、SAP、英特尔等等。欢迎加入大数据学习交流分享群： 658558542 一起吹水交流学习（☛点击即可加入群聊）
开始
可以在一台机器上安装OpenStack，但是，在做任何承诺之前，需要对其进行测试。有几种测试的方法。可以使用RHEL或CentOS的Packstack ,也叫RDO。或者可以使用DevStack Fedora、Ubuntu和CentOS。还可以使用Ubuntu 的Mirantis Fuel。
第一步是将虚拟机镜像上传到OpenStack Glance。可以使用Horizon仪表板或者Glance命令行。对于虚拟机,需要一个具有可用cloud-init的图像。Cloud-init便于部署到云，通过生成Secure Shell键,设置默认的定位和设置主机名。
使用Sahara
通过其他OpenStack组件，可以使用命令行界面，或者可以使用Horizon仪表板。仪表板显然更加容易。无论使用哪种方式,都需要安装Sahara。这是一个漫长的过程,OpenStack在其网站上提供了这样做的详尽说明。
部署Hadoop的基本步骤，首先是配置及部署VM,之后，才能确定每个VM提供哪种Hadoop角色。如下:
Namenode: Hadoop分布式文件系统(HDFS)的存储细节，运行JobTracker
Datanode: 运行工作的HDFS一部分
二级节点名称：作为名称节点备份，以防名称节点出现异常
Oozie:工作流调度程序
资源管理器:使用Apache、Yarn或者Mesos 分配资源—内存和CPU
节点管理器:定位每个服务器的角色—节点—Hadoop系统中
工作历史服务器:密切关注MapReduce和其他工作的执行情况,并且，在必要时，进行重新安排。
继续使用OpenStack Sahara部署Hadoop,上传一个VM映像，例如带cloud-init的Ubuntu。接下来,使用Safari注册一个图像，将你使用的插件添加匹配的标签，例如Vanilla。向Horizon添加Sahara时,可以使用仪表板。VM模板、节点组模板具有相同的RAM和CPU特点,例如,m1.medium。最后,将节点组模板与集群模板相结合。
一旦完成这些步骤，在Horizon创建实例，设置主从Hadoop节点。然后,启动集群—实例。可以创建一个Hadoop job。可以是Spark、Pig、Java、MapReduce等等。然后,启动集群工作。最后，输出结果到Cinder或者其他存储。
Spark、Hadoop和Sahara
OpenStack Sahara并不是Hadoop或者Spark的增强版。相反,你可以把OpenStack Sahara看作一个图形或者命令行工具,使用OpenStack Sahara，建立一个分布式Hadoop或者Spark系统，变得更加简单。OpenStack Sahara不仅有助于安装这些系统;OpenStack Sahara还能跟踪服务器的服务功能。因此,通过屏幕，可以看到整个布局。
没有OpenStack Sahara的话，安装Spark或者Hadoop存在的最大困难是，你需要手动安装虚拟机。借助于OpenStack Sahara，可以跳过这一步,然后，你可以在上面安装Hadoop和 Spark。
OpenStack Sahara使你能够为每个服务器分配一个角色，因此，你要知道哪些服务器是用来存储数据的，哪些服务器是用来收集数据的,哪些服务器是用来协调所有活动的。一旦这一切已经敲定,当你需要规模扩展的时候，你可以重复这个过程。这是因为，你可以将你的想法另存为模板，就像OpenStack将不同的VM配置保存为模板。
OpenStack Sahara也能够帮助你跟踪其他复杂的细节，并且将这些复杂的细节纳入决策。例如,Hadoop背后的指导原则是,Hadoop使得每一块冗余数据分为三份。因此,把所有数据放置在同一台机器上、电源或者架子上，毫无意义。Sahara能起到很大的作用，因为Sahara本身就知道数据中心架配置,为了提高性能,可以将数据集中，为了避免冗余的话，也可以将数据分开。
综上所述,对那些已经使用OpenStack的用户来说，Sahara使得安装Hadoop和Spark变得更加容易。当然,你也可以使用Puppet、Ansible或者Docker，但是，这些都不是云的操作系统。
结语
感谢您的观看，如有不足之处，欢迎批评指正。
如果有对大数据感兴趣的小伙伴或者是从事大数据的老司机可以加群：
658558542 （☛点击即可加入群聊）
里面整理了一大份学习资料，全都是些干货，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，送给每一位大数据小伙伴，这里不止是小白聚集地，还有大牛在线解答！欢迎初学和进阶中的小伙伴一起进群学习交流，共同进步！
最后祝福所有遇到瓶颈的大数据程序员们突破自己，祝福大家在往后的工作与面试中一切顺利。
网友评论