大多數(shù)企業(yè)大數(shù)據(jù)應(yīng)用案例尚處于實(shí)驗(yàn)和試點(diǎn)階段，對于少數(shù)首次在生產(chǎn)環(huán)境部署Hadoop系統(tǒng)的用戶來說，最常遇到的就是擴(kuò)展問題，此類問題往往導(dǎo)致企業(yè)因噎廢食，終止大數(shù)據(jù)應(yīng)用項(xiàng)目。

部署和擴(kuò)展Hadoop系統(tǒng)是一件高度復(fù)雜的事情，如果用戶能提前對Hadoop擴(kuò)展可能會遇到的各種問題和危險信號有所了解，就能避免很多“救火”場面。

以下是Hadoop大數(shù)據(jù)系統(tǒng)出現(xiàn)擴(kuò)展問題的七大危險信號：

危險信號一: 永遠(yuǎn)進(jìn)入不了生產(chǎn)階段

大數(shù)據(jù)應(yīng)用從概念驗(yàn)證到生產(chǎn)環(huán)境是一個巨大的飛躍，Hadoop系統(tǒng)的可擴(kuò)展性將面臨巨大的挑戰(zhàn)。生產(chǎn)環(huán)境的數(shù)據(jù)規(guī)模產(chǎn)生的一些問題實(shí)驗(yàn)環(huán)境很難碰到。另外數(shù)據(jù)本身也存在差異，概念驗(yàn)證階段使用的測試數(shù)據(jù)集往往是不真實(shí)的，或者類型單一。

在進(jìn)入生產(chǎn)環(huán)境前，大數(shù)據(jù)團(tuán)隊需要對Hadoop系統(tǒng)進(jìn)行模擬真實(shí)數(shù)據(jù)規(guī)模的壓力測試，此類測試能夠檢驗(yàn)大數(shù)據(jù)應(yīng)用的可擴(kuò)展性和容錯性能，還能幫你做出更加準(zhǔn)確的性能(資源需求)規(guī)劃模型。

危險信號二: 分析計算任務(wù)不斷超時

當(dāng)Hadoop集群中運(yùn)行的大數(shù)據(jù)應(yīng)用很少或者只有一個時，一切都行云流水，按部就班，但是隨著Hadoop集群的增長，數(shù)據(jù)分析任務(wù)的運(yùn)行時間變得難以預(yù)測起來。一開始，只是有零星的超時現(xiàn)象，問題容易被忽視，但隨著時間增長，超時問題會越來越嚴(yán)重，最后導(dǎo)致危機(jī)。

在危機(jī)爆發(fā)前，你必須提前采取行動，根據(jù)任務(wù)峰值調(diào)整計算性能規(guī)劃模型。

危險信號三: 你開始告訴人們不要保留所有數(shù)據(jù)

危機(jī)出現(xiàn)的另一個征兆是數(shù)據(jù)保留時間窗口不斷縮水。一開始你想保留13個月的數(shù)據(jù)進(jìn)行年度分析。但是由于空間限制，你開始減少保留數(shù)據(jù)的月份數(shù)。到最后，你的Hadoop系統(tǒng)因?yàn)闆]有足夠多的數(shù)據(jù)而不再是“大數(shù)據(jù)”系統(tǒng)。

數(shù)據(jù)保留窗口的縮水是因?yàn)榇鎯Φ臄U(kuò)展性遇到問題，這與前面的計算性能問題類似。當(dāng)你的容量預(yù)測模型出現(xiàn)問題時，需要盡快調(diào)整。

危險信號四: 數(shù)據(jù)科學(xué)家被“餓死”

任務(wù)負(fù)荷過重的Hadoop集群會扼殺創(chuàng)新，因?yàn)閿?shù)據(jù)科學(xué)家們將沒有足夠的計算資源來開展大型任務(wù)，也沒有足夠的空間來存儲中間結(jié)果。

性能和容量規(guī)劃通常會忽略或者低估數(shù)據(jù)科學(xué)家的需求，在加之前面提到的對生產(chǎn)環(huán)境任務(wù)的估計不足，會嚴(yán)重限制數(shù)據(jù)科學(xué)家的開拓性和創(chuàng)新性工作。

危險信號五：數(shù)據(jù)科學(xué)家們開始查看Stack Overflow

在Hadoop系統(tǒng)部署的早期，你的運(yùn)營團(tuán)隊與科學(xué)家緊密協(xié)作。運(yùn)營團(tuán)隊隨時為數(shù)據(jù)科學(xué)家提供支持。(編者按：類似串聯(lián)的協(xié)作模式)但是當(dāng)Hadoop 系統(tǒng)成功上線后，系統(tǒng)的運(yùn)維和擴(kuò)展任務(wù)就會讓運(yùn)營團(tuán)隊疲于奔命，這時候數(shù)據(jù)科學(xué)家遇到Hadoop問題就只好自己解決，例如經(jīng)常去技術(shù)問答網(wǎng)站Stack Overflow查看問題帖子。

危險信號六：數(shù)據(jù)中心越來越熱

數(shù)據(jù)中心服務(wù)器的電力都不是按服務(wù)器的功率峰值配置的，但是一個Hadoop集群運(yùn)行任務(wù)的時候經(jīng)常會連續(xù)“拷機(jī)”數(shù)小時，會燒壞功率不匹配的供電線路，同樣的問題也存在于制冷系統(tǒng)中。部署Hadoop系統(tǒng)時請確保數(shù)據(jù)中心支持其長時間全速運(yùn)行。

危險信號七：費(fèi)用超支

基于IaaS的Hadoop部署，例如AWS，在支出上是失控的。一個月的費(fèi)用很有可能是上個月的三倍，遠(yuǎn)遠(yuǎn)超出你的預(yù)算。

性能規(guī)劃對于基于IaaS的Hadoop部署來說也是非常重要的，但是好的性能規(guī)劃只是開始，如果你需要擴(kuò)展IaaS上的Hadoop系統(tǒng)，那么你需要學(xué)習(xí)Netflix在成本監(jiān)控和優(yōu)化系統(tǒng)上投入大量資金。