混合云存储：大数据应用的上云之道_云技术

企业数字化转型过程中，数据价值被显著放大，大数据应用成为不少企业探索的重点。

从技术上看，大数据业务由于数据体量大，且数据量很多时候呈急速膨胀状态；在进行大数据计算分析时，对资源的需求呈现浪涌式特征，又偶有突发性，因此通过上云充分发挥资源按需使用按需付费的优势，成为了不少企业在探索大数据应用时的常见模式。

这其中，企业在综合考量数据安全性、可扩展、可管理和成本效益等因素后，混合云部署的方式就成为了企业的主流选择。

近日，腾讯云存储高级产品经理贺永红在混合云主题论坛上发表演讲，详解了大数据应用上云的新思路。

一、企业自建大数据的难点

企业数据中心自建大数据业务，一般会遇到扩容的问题，随着大数据分析在业务价值挖掘上的作用愈加重要，新增及突发的分析任务越来越多，此时，趋于饱和使用率的硬件资源便会成为瓶颈，从提交预算申领设备到新设备加入分析集群通常需要较长时间(有时会超过一个月)，这样会也导致大数据计算结果延期交付。随着时间推移，大数据中存储的数据越来越多，如何降低数据的存储成本，在需要的时候又能快速分析。

二、大数据混合云存储之道

大数据混合云存储将IDC大数据和公有云大数据连接为混合云，通过存算分离（计算与存储分离），实现计算弹性伸缩；通过数据全生命周期自动沉降实现存储低成本。

三、大数据混合云存储中的关键技术

存算分离

存算分离，计算与存储分离，计算基于标准HDFS协议访问存储，计算资源和存储资源各自按需扩容；计算资源可以分钟级按需创建及销毁，数据存储在COS（Cloud Object Storage）「https://cloud.tencent.com/product/cos」统一存储层，集中存储、统一管理。

存算分离，让数据存储在云中对象存储COS上，计算集群直接分析COS中的数据，计算资源专注于计算，按需实现弹性伸缩，按需创建及销毁，不用维持冗余设备来保存数据；通过计算与存储分离，实现计算弹性伸缩，按需创建及销毁，可以节约大数据20-30%的成本。

2.高效存储

存储资源COS（Cloud Object Storage）海量、无容量上限、无需扩容、按需供给，高效、平滑接入大数据生态、按需使用付费、通过生命周期策略自动沉降极致降低成本。

COS中存储类型分为标准存储、低频存储和归档存储，通过配置数据全生命周期策略实现自动沉降：经常访问的数据放在标准存储，较少访问的数据放在低频存储，基本不访问的数据放在归档存储，以上三种存储类型，价格不同，例如归档存储刊例价就不到标准存储刊例价的1/3，数据自动沉降后成本节约20-30%。数据沉降归档后，能及时回热，需要用的时候能及时被计算集群访问。

3.统一管理

云上云下的统一管理，一致使用体验；在数据面云上COS与IDC中HDFS统一元数据管理，实现全量数据ETL(抽取、转换、装载)。在技术面，云上和云下均采用大数据开源组件，接入大数据开源生态，保持一致使用体验。

4.数据高效流动

云下与云上的数据流动，这里主要包括两种数据流动。

其一、数据在IDC与云上COS间快速水平流动；用户每天可往云上COS灌入200TB+数据，基于COS海量并发设计，可进一步加粗上传管道，加速数据上云。数据下云，一般是结算结果返回到用户IDC，这部分数据量比较小，是从海量沙子里掏出的金子，不存在技术挑战。

其二、数据在EMR「https://cloud.tencent.com/product/emr」计算与COS存储间快速垂直流动，在EMR进行大数据计算时，需要在瞬间从COS中读取大量数据到EMR中进行计算，关键技术是COS的高性能，来满足数据的快速读写。

四、腾讯云大数据混合云存储实践

腾讯云大数据混合云存储方案，经历腾讯内部业务（微信、QQ、腾讯视频等）长期打磨而沉淀下来。

腾讯云大数据混合云存储，包括三层：混合大数据引擎、任务统一编排、数据开发平台：数据开发平台实现数据价值开发，包括用户画像、广告推荐等；任务统一编排实现大数据任务在IDC及云中全局调度及计算弹性伸缩；混合大数据引擎对IDC及云中大数据进行管理。

某头部游戏直播公司，大数据体量大，很早就成立了近百人的专业大数据团队，以支撑近百P规模的离线、实时流式数据的高效存储计算及数据科学探索。

其大数据架构如图，左边本地IDC，右边腾讯云 EMR ON COS，通过专线打通，数据互通，优先上传分析用到的数据，将数据导入到腾讯云COS中；基于存算分离，通过腾讯云EMR产品创建的Hadoop集群分析已导入到COS中数据。分析任务结束后，销毁EMR集群，不再产生费用，COS数据自动沉降进一步降低成本。