我正在研究使用Hadoop集群的两种方案，第一种是使用HDInsight（使用Blob或HDFS存储），第二种方法是在Microsoft Azure上部署功能强大的Windows Server并运行HDP（Hortonwork数据处理）在它上面（使用虚拟化）。第二种选择为我提供了更大的灵活性，但我感兴趣的是调查每种方案的开销。有什么想法吗？特别是Blob存储对效率的影响如何？
答案 0 :(得分：2)
这是一个非常广泛的问题，所以答案是＆＃34;它取决于，＆＃34;在这里是合适的。当我与客户交谈时，这就是我看到他们做出权衡的方式。它是一端的控制范围，另一端是便利。您对部署的Linux发行版或Hadoop发行版有具体要求吗？然后你会想要使用IaaS并简单地部署在那里。这很棒，你可以获得很多控制权，但修补和操作仍然是你的责任。
我们将HDInsight称为托管服务，我们的意思是我们会为您运行它（例如，我们在群集上提供了一个SLA，以及在其上运行的应用程序，而不是只是＆＃34;我可以ping vm＆＃34;）。我们运行该集群，修补操作系统，修补Hadoop等等。所以，那里有很多便利，但是，我们不允许您选择哪个Linux发行版或允许您在那里拥有任意一组Hadoop位。
从一个角度来看，HDInsight可以部署在任何Azure节点大小上，类似于IaaS VM（这是本周推出的新功能）。关于Blob效率的问题，你应该尝试两种方式，看看你的想法。关于Blob商店的好处是你获得了更大的经济灵活性，你可以在大量数据上部署一个小集群，如果该集群只需要在一小块数据上运行（相比之下，将它全部放在HDFS中，你可以在那里需要所有节点一直运行以适应所有数据）。