大数据运维的挑战—如何保证集群稳定与运行效率

企业级大数据集群通常拥有海量的数据存储、日常运算成干上万的计算任务，需要满足各类上层业务的计算需求。对于这类集群的运维往往充满着挑战：海量的数据、庞杂的组件以及组件之间复杂的依赖关系、对于时效要求的的运算任务，都会提升运维难度。作为支撑平台，大数据集群的稳定性和运行效率，会直接影响到公司业务的正常运作和发展。

集群管理员往往对整体集群做好了监控运维体系，对于大数据集群，简单的监控运维体系能够帮助管理员在遇到故障的时候定位问题。但对于整体集群的运行效率，集群的状态，通过单纯的监控指标很难给出一个全面的解答。

对于大数据集群，管理员以及 CIO 等更关注以下的内容：

• 集群内的节点的运行状态和资源使用状况；
• 运行在集群上的服务组件的状态监控和异常处理，包括 YARN、HDFS、Hive 和 Spark 等；
• 计算任务运行情况和执行效率；
• 整体集群的健康程度和如何改进。

面对运维挑战，EMR重磅推出：智能运维诊断系统(EMR Doctor)

为了提升大数据集群运维效率，辅助 EMR 用户完善集群监控体系。E-MapReduce 推出面向开源大数据集群的智能运维诊断系统 E-MapReduce Doctor（简称EMR Doctor）。 EMR Doctor 作为开源大数据集群的管家，会自动每日巡检集群。集群管理员只需要定期查看健康检查报告，并且根据报告中的建议对集群做相应的优化调整，即可全局了解集群的健康状况和动态走势，并保持集群的健康度。

如何使用 EMR Doctor

1. 进入 EMR 控制台健康检查页面。
   1. 登录 EMR on ECS 控制台。
   2. 在顶部菜单栏处，根据实际情况选择地域和资源组。
   3. 在集群管理页面，单击目标集群的集群ID。
   4. 单击上方的健康检查页签。
2. 在健康检查页面，您可以看到当前集群的健康检查报告（T+1）。健康状态列显示了该集群的健康度，您可以点击查看报告进入检查报告页面。

3.健康检查报告中包含集群计算资源的总体分析

4.健康检查报告中包含计算任务从各个维度的排名并给出任务调优建议

5.健康检查报告中包含对集群存储的总体分析，以及大小文件和冷热数据的详细分析

6.健康检查报告主要分析内容如下，更详细说明请参见查看健康检查状态和报告

计算资源分析	概述	状态概述
		需要关注的问题
	计算基础信息	集群计算评分
		集群算力内存时
		集群算力CPU时
		计算引擎内存算力时
	计算任务信息	计算任务算力内存时分析
		计算任务评分排行榜
	Spark	Spark任务算力分析及调优建议
	Tez	Tez任务算力分析及调优建议
	MapReduce	MapReduce任务算力分析及调优建议
HDFS存储资源分析 （需开启存储资源信息采集开关）	概述	状态概述
		需要关注的问题
	HDFS基础信息	HDFS存储资源使用趋势
		文件总数随时间变化趋势
		评分趋势
	HDFS文件大小分布	HDFS文件大小比例
		一级目录空文件个数Top10
		一级目录极小文件个数Top10
		一级目录小文件个数Top10
		一级目录中等文件个数Top10
		一级目录大文件个数Top10
	HDFS冷热数据分布	HDFS冷热数据
		一级目录极冷数据大小Top10
		一级目录冷数据大小Top10
		一级目录温数据大小Top10
		一级目录热数据大小Top10
HIVE存储资源分析 （需开启存储资源信息采集开关）	概述	状态概述
		需要关注的问题
	Hive基础信息	存储趋势
		文件数量趋势
		评分趋势
	Hive库信息	库存储排名
		库文件总数排名
		库评分
	Hive表文件大小分布	Hive表文件大小分布比例
		Hive表空文件个数Top10
		Hive表极小文件个数Top10
		Hive表小文件个数Top10
		Hive中等文件个数Top10
		Hive大文件个数Top10
	Hive冷热数据分布	Hive冷热数据分布
		Hive表极冷数据大小Top10
		Hive表冷数据大小Top10
		Hive表温数据大小Top10
		Hive表热数据大小Top10
	Hive表存储格式分布	Hive表存储格式分布
		Hive表TextFile/Parquet/ORC格式文件分析

原文链接

本文为阿里云原创内容，未经允许不得转载。