1.4.1　分析類應用場景舉例

由于大數(shù)據(jù)分析中捕獲的數(shù)據(jù)量巨大，并且需要在數(shù)據(jù)專家和數(shù)據(jù)分析師團隊之間共享有限的資源，因此傳統(tǒng)的數(shù)據(jù)分析基礎架構(gòu)承受著巨大的壓力。各方呼吁推出一種全新的架構(gòu)和存儲形態(tài)。一些數(shù)據(jù)平臺團隊正在將Apache Hadoop和Spark大數(shù)據(jù)分析平臺作為其數(shù)據(jù)分析的主要工具，后端采用Hadoop分布式文件系統(tǒng)（HDFS）集群。不幸的是，由于HDFS通常不會在不同集群之間共享數(shù)據(jù)，因此在大型計算集群中的每個集群間復制數(shù)據(jù)會付出很高的代價。

一些團隊希望其集群的分析工具盡量穩(wěn)定，因此不愿意更新版本，而其數(shù)據(jù)分析的業(yè)務單元需要加載最新的分析工具版本。最終，這些團隊都構(gòu)建了自己單獨的、量身定制的分析集群，以免與其他團隊競爭資源。使用傳統(tǒng)的Hadoop時，每個單獨的分析集群通常都有自己專用的HDFS數(shù)據(jù)包。

為了在不同的Hadoop / HDFS集群中能訪問相同的數(shù)據(jù)，平臺團隊必須在集群之間復制非常大的數(shù)據(jù)集，以保持數(shù)據(jù)的一致性和時效性。因此，公司維護了許多單獨的固定分析集群（其中一家公司中有50多個集群）。每個集群在HDFS中都有自己的冗余數(shù)據(jù)副本。就資本支出（Capex）和運營支出（Opex）而言，在各個集群上維護5PB、10PB或20PB副本數(shù)據(jù)的成本都非常高。

Ceph和IaaS云、PaaS云的結(jié)合為解決上述一系列問題提供了新的方案。Ceph在底層多集群間可以實現(xiàn)數(shù)據(jù)自動同步，這大大降低了集群數(shù)據(jù)復制的開銷和運營成本，為Hadoop或Spark的大數(shù)據(jù)分析工具提供了另一種分布式存儲選擇。