Compartilhar via

什么是 Azure HDInsight？

Azure HDInsight 是面向企业的云中托管的开源分析服务。 借助 HDInsight，可以在Azure环境中使用开源框架，例如 Apache Spark、Apache Hive、LLAP、Apache Kafka、Hadoop 等。

什么是 HDInsight 和 Hadoop 技术堆栈？

Azure HDInsight 是一个托管群集平台，可用于在 Azure 环境中轻松运行大数据框架，如 Apache Spark、Apache Hive、LLAP、Apache Kafka、Apache Hadoop 和其他框架。 此平台专为快速高效地处理大量数据而设计。

为何应使用 Azure HDInsight？

能力 DESCRIPTION
云原生 通过 Azure HDInsight，可以在 Azure 上为 Spark、Interactive query（LLAP）、Kafka、HBase 和 Hadoop 创建优化群集。 HDInsight 还在所有生产工作负荷上提供端到端 SLA。
低成本且可缩放 可以通过 HDInsight 纵向缩放工作负载。 可以通过创建按需群集来降低成本，只为自己使用的资源付费。 还可以生成数据管道来使作业自动化。 分离的计算和存储提供更好的性能和灵活性。
既安全又合规 借助 HDInsight，可以使用Azure Virtual Network、加密和与Microsoft Entra ID集成来保护企业数据资产。 HDInsight 还满足最常用的行业和政府符合性标准。
监测 Azure HDInsight 与 Azure Monitor 日志集成，以提供一个接口，可用于监视所有群集。
全球推出 提供 HDInsight 的区域要多于提供任何其他大数据分析产品/服务的区域。 Azure HDInsight 也可用于由世纪互联和德国运营的Azure，这使你可以在关键主权领域满足企业需求。
生产力 Azure HDInsight 使您能够在您首选的开发环境中使用丰富的生产力工具来处理 Hadoop 和 Spark。 这些开发环境包括Visual Studio、VS Code、Eclipse 和 IntelliJ for Scala、Python、Java 和.NET支持。
可扩展性 可以通过脚本操作、添加边缘节点或与其他大数据认证应用程序集成，使用安装的组件（如 Hue、Presto 等）来扩展 HDInsight 群集。 HDInsight 允许通过单击部署方式无缝集成最常用的大数据解决方案。

什么是大数据？

与以前相比，大数据的收集量在增加，收集速度在加快，收集格式在增多。 大数据可以是历史数据（即已存储的数据），也可以是实时数据（即从数据源流式传输的数据）。 请参阅使用 HDInsight 的方案，了解大数据的最常见用例。

HDInsight 中的群集类型

HDInsight 包括特定的群集类型和群集自定义功能，例如添加组件、实用程序和语言的功能。 HDInsight 提供以下群集类型：

群集类型 DESCRIPTION Get Started
Apache Hadoop 一个框架，使用 HDFS、YARN 资源管理和简单的 MapReduce 编程模型并行处理和分析批处理数据。 创建 Apache Hadoop 群集
Apache Spark 一种开源并行处理框架，支持使用内存中处理来提升大数据分析应用程序的性能。 请参阅 HDInsight 中的 Apache Spark 是什么？ 创建 Apache Spark 群集
Apache HBase 一个基于 Hadoop 构建的 NoSQL 数据库，为数十亿行数百万列的大量非结构化和半结构化数据提供随机访问和强一致性。 请参阅什么是 HDInsight 上的 HBase？ 创建 Apache HBase 群集
Apache Interactive Query 用于实现更快的交互式 Hive 查询的内存中缓存。 请参阅 在 HDInsight 中使用 Interactive Query。 创建Interactive Query群集
Apache Kafka 开源平台用于构建流数据处理管道和应用程序。 Kafka 还提供了消息队列功能，允许用户发布和订阅数据流。 请参阅 Apache Kafka on HDInsight 简介。 创建 Apache Kafka 群集

使用 HDInsight 的方案

Azure HDInsight 可用于各种大数据处理场景。 大数据可以是历史数据（已收集和存储的数据），也可以是实时数据（直接从源流式传输的数据）。 处理此类数据的方案可以汇总成以下类别：

批处理 (ETL)

提取、转换和加载 (ETL) 是指将非结构化或结构化数据从异类数据源中提取出来， 然后将其转换为结构化格式，并加载到数据存储中。 可以将转换的数据用于数据科学或数据仓库。

数据仓库

可以使用 HDInsight 对任何格式的结构化或非结构化数据执行 PB 规模的交互式查询。 也可以通过生成模型将其连接到 BI 工具。

HDInsight 体系结构：数据仓库。

物联网 (IoT)

可以使用 HDInsight 处理从各种设备实时接收的流数据。 有关详细信息，请阅读Azure发布的这篇博客文章，宣布在Azure托管磁盘上的HDInsight推出Apache Kafka的公测版。

“HDInsight 体系结构：物联网”的屏幕截图。

混合

可以使用 HDInsight 将现有的本地大数据基础结构扩展到 Azure，以利用云的高级分析功能。

HDInsight 体系结构：混合。

HDInsight 中的开源组件

Azure HDInsight 使你能够使用 Spark、Hive、LLAP、Kafka、Hadoop 和 HBase 等开源框架创建群集。 默认情况下，这些群集包含各种开源组件，例如 Apache Ambari、Avro、Apache Hive 3、HCatalog、Apache Hadoop MapReduce、Apache Hadoop YARN、Apache Phoenix、Apache Pig、Apache Sqoop、Apache Tez、Apache Oozie 和 Apache ZooKeeper。

HDInsight 中的编程语言

HDInsight 群集包括 Spark、HBase、Kafka、Hadoop 和其他群集，支持多种编程语言。 某些编程语言默认情况下未安装。 对于默认情况下未安装的库、模块或程序包，请使用脚本操作来安装组件。

程序设计语言 信息
默认编程语言支持 默认情况下，HDInsight 群集支持：
  • Java
  • Python
  • .NET
  • Go
Java 虚拟机 (JVM) 语言 除 Java 之外的许多语言都可以在 Java 虚拟机 (JVM) 上运行。 但是，运行这其中的部分语言时，可能必须在群集上安装其他组件。 HDInsight 群集支持以下基于 JVM 的语言：
  • Clojure
  • Jython （Python for Java）
  • Scala(编程语言)
Hadoop 专用语言 HDInsight 群集支持以下特定于 Hadoop 技术堆栈的语言：
  • 用于 Pig 作业的 Pig Latin
  • 用于 Hive 作业的 HiveQL 和 SparkSQL

适用于 HDInsight 的开发工具

可以使用 HDInsight 开发工具（包括 IntelliJ、Eclipse、Visual Studio Code 和 Visual Studio）创作和提交 HDInsight 数据查询和作业，并与Azure无缝集成。

  • 用于 IntelliJ 10 的 Azure 工具包
  • 用于 Eclipse 6 的 Azure 工具包
  • 适用于 VS Code 13 的 Azure HDInsight 工具
  • 适用于 Visual Studio 9 的 Azure data lake 工具

HDInsight 上的商业智能

熟悉的商业智能（BI）工具通过使用Power Query加载项或 Microsoft Hive ODBC 驱动程序检索、分析和报告与 HDInsight 集成的数据：

区域内数据驻留

Spark、Hadoop 和 LLAP 不会存储客户数据，因此这些服务会自动满足 Azure 全局基础结构站点中指定的区域数据驻留要求。

Kafka 和 HBase 确实会存储客户数据。 此数据由 Kafka 和 HBase 自动存储在单个区域中，因此此服务满足 Azure 全局基础结构站点中指定的区域内数据驻留要求。

熟悉的商业智能（BI）工具通过使用 Power Query 加载项或 Microsoft Hive ODBC 驱动程序检索、分析和报告与 HDInsight 集成的数据。

后续步骤

  • Last updated on