Tachyon：吞吐量超过HDFS 300多倍 来自伯克利的分布式文件系统AMPLabHadoopHDFSTachyon
摘要：你的Hadoop足够快吗？美国加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快的版本Tachyon，它从底层重构了Hadoop平台。不过Tachyon的吞吐量要比HDFS高300多倍。“没有最快，只有更快”！
Hadoop足够快吗？美国加州大学伯克利分校的AMPLab基于Hadoop的核心组件开发出一个更快的版本Tachyon。AMPLab从底层重建了Hadoop平台，“没有最快，只有更快”。
AMPLab的最新目标就是Hadoop分布式文件系统（HDFS），不过HDFS在可用性和速度方面一直受人诟病，所以AMPLab创建了Tachyon（ 在High Scalability上非常夺目，引起了Derrick Harris的注意），“Tachyon是一个高容错的分布式文件系统，允许文件以内存的速度在集群框架中进行可靠的共享，类似Spark和 MapReduce。通过利用lineage信息，积极地使用内存，Tachyon的吞吐量要比HDFS高300多倍。Tachyon都是在内存中处理缓存文件，并且让不同的 Jobs/Queries以及框架都能内存的速度来访问缓存文件”。 当然，AMPLab并不是第一个对HDFS提出质疑的组织，同时也有很多商业版本可供选择，像Quantcast就自己开发了开源文件系统，声称其在运行大规模文件系统时速度更快、更高效。
AMPLab的其他项目包括PIQL，类似于一种基于键/值存储的SQL查询语言；MLBase，基于分布式系统的机器学习系统；Akaros，一个多核和大型SMP系统的操作系统；Sparrow，一个低延迟计算集群调度系统。（文/王鹏，审校/仲浩） |
|
|
AMPLab在大数据领域最知名的产品是Spark，它是一个内存中并行处理的框架，Spark的创造者声称：使用Shark运行并行处理Job速度要比MapReduce快100倍。又因为Spark是在内存运行，所以Shark可与Druid或者SAP's HANA系统一较高下。Spark也为ClearStory下一代分析和可视化服务提供处理引擎。如果你喜欢用Hive作为Hadoop的数据仓库，那么你一定会喜欢Shark，因为它代表了“Hive on Spark”。
诚然，AMPLab所做的工作就是打破现有商业软件的瓶颈限制。如果碰巧破坏了现状，那么就顺其自然吧！不过，对于用户来说，AMPLab只是为那些寻找合适工具的人员提供了一种新的选择，AMPLab的合作伙伴和赞助商包括谷歌，Facebook，微软和亚马逊网络服务，它们当然非常乐意看到这些新技术，如果很有必要的话。
