著名的 O'Reilly 公司斷言：「資料是下一個 ‘Intel Inside’ ， 未來屬於利用資料並將其轉換成產品的公司和人們。 」
大資料隱含的巨大社會、經濟價值已經引起了越來越多企業的關注，
作為 SparkMR 的升級版本， QingMR 包含了 HDFS 分散式檔案系統， Hadoop MapReduce 和 Spark 資料處理框架， YARN 集群資源調度系統和 Hive 資料倉庫工具。 同時， 更近一步集成了極速海量資料 OLAP 引擎 Kyligence Analytics Platform (基於 Apache Kylin)， 實現海量資料極速分析及查詢功能。
PS：當前支援的組件及版本如下：
Apache Hadoop 2.7.3
Apache Spark 2.2.0
Apache Hive 1.2.2
Kyligence Analytics Platform 2.5.6
QingMR 功能特點
靈活的計算模式選擇
QingMR 在底層提供統一的 HDFS 作為資料存儲引擎， 在上層提供 Spark 及與 MapReduce 兩種計算引擎， 並提供 YARN 作為調度系統。 使用者可以輕鬆實現三種不同的計算模式， 即 Spark Standalone、Spark on YARN 和 MapReduce on YARN 三者之間的切換。
極速海量資料查詢
提供 PB級資料集上的亞秒級查詢能力。
與大資料及存儲元件高可擴展性
QingMR 支援指定依賴服務的功能， 即通過 AppCenter 2.0 框架內原生的應用感知機制， 實現與其他大資料分析元件之間自動化的無縫集成。
QingMR 與 QingStor™ 物件存儲平臺也進行了預置集成， 使用者可以通過簡單的配置即可開啟對 QingStor™ 物件存儲的支援， 以應對海量大規模資料的存儲問題。
定義調度器、代理使用者等多租戶功能的支援
QingMR 提供了 Spark 及 YARN 的自訂調度器的功能， 開放了自訂 Hadoop 代理使用者功能。
完善的服務級別監控
視覺化展現整體服務的運行情況，
強大的AI及資料科學開發環境
提供 Python 及R兩種語言的運行環境， 支援 Python 2 和 Python 3 互相切換。 預置了多個 Anaconda 發行版本的資料科學包， 為資料科學和機器學習/深度學習等 AI 開發場景。
QingMR 應用場景
流式資料處理
通過 QingMR Spark 計算引擎流資料處理能力， 對企業即時資料流進行計算， 滿足對實效性要求較高計算， 適用於即時監控、報警分析分等場景。
批量資料處理
通過 QingMR Hadoop MapReduce 提供強大的批量資料處理能力， 説明企業解決海量文件的分析處理問題， 可用于日誌分析等場景。
極速資料查詢與分析
通過 QingMR 中集成的 Kyligence Analytics Platform， 減少海量資料查詢延遲， 滿足企業 OLAP 場景中極速分析查詢的需求。
機器學習
基於 Spark 記憶體計算模型框架，
QingMR， 企業大資料服務最佳選擇
對企業來說， 只需五步， 即可在 3 分鐘之內部署一套 QingMR 大資料服務來滿足自身的各種需求， 同時還可進行統一的資料管理， 無論從成本還是效率來說， QingMR 都是企業大資料服務最佳選擇。
未來， 還會有更多基於 HDFS 的大資料應用被納入到 QingMR 中， 為用戶提供功能更為強大、使用更加便捷的大資料服務。
點擊「閱讀原文」開啟大資料時代
- FIN -