众所周知，为了让大规模分布式数据处理系统能发挥更好的性能，传统的Hadoop架构是将计算节点和数据节点连在一起的。但随着业务数据量爆发式增长以及企业对数据价值的不断重视，数据存储规模和数据计算需求经常是无法保持线性增长，计算和存储这两者之间随之产生了“木桶效应”，极易造成资源的浪费，而用户开始越来越关注数据存储成本及计算成本的问题。

这时，计算与存储资源的分离解耦，成为了一个非常合理的选择。UCloud UHadoop带来的计算与存储的分离，完全消除了计算与存储之间的“木桶效应”，在资源隔离、计算管理和存储管理三个方面具有极大优势，同时为业务创新、技术架构升级提供了更多的灵活性和可能性。

1. 不同业务计算资源的物理隔离，保障业务稳定

传统模式下，用户是通过配置资源队列，来为不同业务分配计算资源，但这种方式实际上只能做到逻辑隔离，无法真正实现计算资源的物理隔离，不可避免会发生计算集群抢占资源的情况，业务与业务之间相互影响，导致业务状态的不稳定。UCloud UHadoop 可以帮助用户将不同业务拆分到不同计算集群上，实现计算资源的物理隔离，避免资源抢占、相互影响，从而保障业务持续稳定。

如离线业务与实时业务的隔离业务场景，用户可以借助UCloud UHadoop将离线计算与实时计算 拆分成两个计算集群，然后访问独立的HDFS存储集群，有效隔离计算资源，保障业务的稳定。

2. 弹性管理计算资源，成本最优化

传统资源配置下，计算资源调度水平受限于单台机器的存储容量。UCloud UHadoop实现了存储与计算分离之后，用户可根据业务需要，单独增加计算节点，计算任务完成即可释放计算资源，无需担心临时的大规模扩容带来的成本飙升，更不用再进行跨集群数据拷贝操作，有效降低了管理集群的人力成本和服务器成本。

与此同时，若计算集群有故障或是计算集群框架升级，也不会直接影响独立的HDFS集群中的数据，更好的保障了数据安全，同时也可缩短故障排查流程，降低集群运维成本。

3. HDFS存储集群可单独使用，更好满足再分析需求

UCloud UHadoop提供独立的HDFS存储集群，用户可以单独使用存储资源构建存储集群，将历史数据或者原始数据压缩后进行归档存储，当有数据分析的需求时，不需要进行数据迁移，即可完成数据分析任务，使用简单、成本还低。

除了以上三个方面， UCloud UHadoop实现的存储计算彻底分离，还可以让多个不同版本Hadoop集群，分析底层同一份HDFS存储集群中的数据，满足了数据一致性要求，及历史原因导致的多版本Hadoop集群共存问题。为优化集群整体成本，UCloud UHadoop 更是针对存储计算分离场景推出了存储更大、价格更低的机型，可根据不同数据量规模选择不同节点机型，帮助用户更好的降低成本。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。