ビッグデータ仮想化の管理 - ダミー

仮想化は、単一の物理システム内に多数の仮想システムを作成することができます。企業が仮想化を実装した主な理由の1つは、さまざまなワークロードの処理のパフォーマンスと効率を向上させることです。

大規模データハイパーバイザー

理想的な世界では、オペレーティングシステムと物理ハードウェアハイパーバイザは、リソースの共有が秩序ある、繰り返し可能な方法で行われることを保証する技術です。

<！ - 1 - >

ハイパーバイザは、ハードウェア環境の最低レベルにあり、コードの薄層を使用して動的なリソース共有を有効にします。ハイパーバイザーは、各オペレーティングシステムが物理リソースをすべて持っているように見えます。

大きなデータの世界では、さまざまなオペレーティング環境をサポートする必要があります。ハイパバイザは、ビックデータスタックのテクノロジコンポーネントの理想的な配信メカニズムになります。ハイパーバイザーを使用すると、アプリケーションを各システムに物理的にコピーすることなく、多数のシステムに同じアプリケーションを表示できます。

<！ - 2 - >

ハイパーバイザー・アーキテクチャーのため、別のアプリケーションであるかのように、さまざまなオペレーティング・システムをロードできます。したがって、ハイパーバイザーは、物事を迅速かつ効率的に仮想化する非常に現実的な方法です。

ゲストオペレーティングシステムは、仮想マシン上で実行されているオペレーティングシステムです。仮想化テクノロジでは、物理コンピュータのリソースを分割するようにハイパーバイザを設定できます。リソースは、2つのゲストOS間で50/50または80/20に分割することができます。

<！ - 3 - >

この取り決めの美しさは、ハイパーバイザーがすべての重労働をしていることです。ゲストオペレーティングシステムは仮想パーティションで実行されていることを気にしません。それはそれ自身にすべてのコンピュータを持っていると思う。

基本的に2種類のハイパーバイザー、

タイプ1ハイパーバイザー がハードウェア・プラットフォーム上で直接実行されています。彼らはプラットフォーム上で直接実行されているため、効率が高くなります。
タイプ2ハイパーバイザ は、ホストオペレーティングシステム上で実行されます。これらは、幅広いI / Oデバイスをサポートする必要がある場合によく使用されます。

抽象化と大規模データ仮想化

ITリソースとサービスを仮想化するために、それらは基本的な物理的配信環境から分離されています。この分離行為の用語は、抽象と呼ばれています。抽象化は大きなデータの重要な概念です。 MapReduceとHadoopは、すべてが抽象化された分散コンピューティング環境です。詳細は抽象化されているため、開発者またはアナリストは、データ要素の配置場所に関心を持つ必要はありません。

抽象化は、詳細を隠し、関連情報のみを提供することによって、何かの複雑さを最小限に抑えます。例えば、あなたが一度も会ったことのない人を迎えようとするなら、彼はあなたに会う場所と彼が着るものを教えてくれるかもしれません。彼はどこで生まれたのか、彼が銀行にどれくらいの金を持っているのか、生年月日などを伝える必要はありません。

これは抽象化のアイデアです。これは、何かがどのように動作するかについて多くの詳細を調べるのではなく、高度な仕様を提供することです。

大規模なデータを扱うための仮想化の実装

仮想化は、大規模なデータ分析を処理するためにIT環境をスマートにします。ハードウェア、ソフトウェア、およびストレージを含むインフラストラクチャのすべての要素を最適化することで、大量の構造化データおよび非構造化データを処理および管理するために必要な効率を得ることができます。大きなデータでは、分散環境で構造化データと非構造化データにアクセス、管理、分析する必要があります。

大きなデータは分布を前提としています。実際には、あらゆる種類のMapReduceは仮想化された環境でうまく動作します。コンピューティングパワーとストレージの要件に基づいてワークロードを移動する機能が必要です。

仮想化により、まだスコープ化されていないより大きな問題に取り組むことができます。あなたは、あなたがどれだけ速くスケールする必要があるかを事前に知ることができません。

仮想化により、さまざまな運用上の大規模データストアをサポートできます。たとえば、グラフデータベースをイメージとしてスピンアップすることができます。

仮想化の最も直接的な利点は、MapReduceエンジンがより良く機能することを保証することです。仮想化により、MapReduceのスケーラビリティとパフォーマンスが向上します。 MapタスクとReduceタスクは、それぞれ独立して実行する必要があります。 MapReduceエンジンを仮想環境で実行するように並列化および構成すると、管理オーバーヘッドを削減し、タスクワークロードの拡張と縮小を可能にします。

MapReduce自体は本質的に並行して配布されています。 MapReduceエンジンを仮想コンテナにカプセル化することで、必要なときにいつでも必要なときに実行できます。仮想化を使用すると、すでに支払っている資産を、リソースの総称プールに変換することで、その利用率を高めることができます。