本文来自夏立的分享，花名雷飙，阿里巴巴计算平台EMR高级产品专家。2014年开始接触大数据，历经阿里内部的大数据发展，目前在阿里云上负责开源的大数据平台EMR产品，构建云上的开源生态。
产品介绍
阿里云EMR的整体架构如下：
管理运维能力
- 集群管理，作业管理和调度
- 操作Web化、SDK&API
完全兼容开源系统，并在之基础上强化
- Hadoop, Spark性能优化
- 监控能力能整合强化
伴随社区发展的生态
- 组件跟随开源社区保持版本升级
- 开源与阿里云平台的联结者，充分发挥云的生态能力
- 云产品对接（OSS，SLS，MaxCompute等）
- 云能力对接，弹性等等（本地盘实例严格打散，弹性伸缩能力，支持竞价实例）
全球部署（全球15个region部署）
- 基于企业级开源大数据生态上多样化场景方案的快速复制
提供完整的企业级的一体化平台
- 打包计算平台能力
- 开箱即用的体验
常见的组合使用方式：
大数据平台应用到的组件包括：
通用Hadoop
- 开源大数据离线、实时、Ad-hoc查询场景
- 基于开源Hadoop生态，采用YARN管理集群资源，提供Hive、Spark离线大规模分布式数据存储和计算， SparkStreaming、Flink、Storm流式数据计算，Presto、Impala交互式查询，Oozie、Pig等Hadoop生态圈的组 件，支持OSS存储，支持Kerberos的数据认证与加密。
Kafka
- 开源高吞吐量，可扩展性的消息系统
- E-MapReduce Kafka提供一套完整的服务监控体系和元数据管理。广泛用于日志收集、监控数据聚合等场 景，支持离线或流式数据处理、实时数据分析等。
DataScience
- 大数据 AI场景
- Data Science针对大数据 AI场景，提供了Hive、Spark离线大数据ETL，TensorFlow模型训练，用户可以选 择CPU GPU的异构计算框架，利用英伟达GPU对部分深度学习算法就行高性能计算。
Druid
- 实时交互式分析服务场景
- Druid提供了大数据查询毫秒级延迟，支持多种数据摄入方式。可与E-MapReduce Hadoop、E-MapReduce Spark、阿里云OSS、阿里云RDS等服务搭配组合使用，构建灵活稳健的实时查询解决方案。
Zookeeper
- 分布式锁
- 适用于大规模的Hadoop集群、HBase集群、Kafka集群独立的分布式一致性锁服务。
产品功能点
可视化集群管理控制台
自带的调度系统
- 项目级别的权限管理
- 支持DAG
- 更好的弹性资源结合
- 方便的多种作业管理
- 完善的报警和监控
机器学习支持
深度学习、AI以成为目前炙手可热的词汇，EMR EMR Cluster Learning将深度学习和开源大数据技术深度结合，提供 一体化的大数据 深度学习服务。利用一个集群，构建 企业数据湖，同时进行机器学习和深度学习：
- 支持ECS GPU机型，通过Hadoop YARN调度集群GPU资源 Spark ML
- TensorFlow Horvod • 支持TensorFlow ，Horvod等计算框架
- 可采用PS、MPI等数据通信模式
- 支持Docker，Standalone运行模式
声明：本号所有文章除特殊注明，都为原创，公众号读者拥有优先阅读权，未经作者本人允许不得转载，否则追究侵权责任。
关注我的公众号，后台回复【JAVAPDF】获取200页面试题！5万人关注的大数据成神之路，不来了解一下吗？5万人关注的大数据成神之路，真的不来了解一下吗？5万人关注的大数据成神之路，确定真的不来了解一下吗？