我是一名非常新的系統管理員（16 屆），我被要求建立一個包含 3 台裸機 PowerEdge 伺服器的大數據叢集。我有以下請求要放在叢集上：
*Hadoop2 *YARN *Java 7&8 *Spark *SBT *Maven *Scala *P7zip *Pig *Hive *R（Spark 與 Hadoop 函式庫） *Zeppelin *Cassandra
我想知道這些是否可以“很好地協同工作”，因為我對大數據知之甚少，搜尋結果是很多“x VS y”頁面，而不是“x AND y”。是否有首選的業界標準？
預先感謝您的建議！
答案1
當然，它們可以在這些伺服器上共存，但通常您會使用一種伺服器來保存實際數據，而使用另一種伺服器來執行計算量大的工作。在同一台伺服器上運行 Cassandra DB 也有點不標準，但你可以做所有這些，它會起作用，這不僅僅是不完全是我的做法。
如果伺服器尚未訂購，並且您可以影響其規格，我會嘗試做的一件事是擁有一組大而慢的資料磁碟（通常是多 TB 7.2krpm 3.5 吋磁碟），然後將一些 SSD 或用於資料庫和計算工作的10krpm 磁碟通常沒有意義，這也將是相當內存密集型的，不要吝惜這一點，而且您可能需要合理數量的CPU 核心，我想說每台伺服器至少需要12 個或更多才能完成所有這些工作。
不管怎樣，我希望這對你有幫助，看看 Cloudera 和 Ambari 的 Hadoop 環境，它們不是免費的，但可以幫你解決很多麻煩。