hadoop 可以两个集群之间做到每个节点之间一一对应实时同步么？

[zpole]

有 a,b 两个集群。 a 接收流数据，然后每个节点都同步到 b 。

a 的 1 节点新收的流同步到 b 的 1 ， a 的 2 到 b 的 2 。。。依次类推

然后a,b各自的修改也要能互相同步。

就是说保证 a ， b 的完全一致。

每秒几亿条。延迟秒级。

[1957704130]

每秒几亿条，什么数据能到这个体量？

[xmoiduts]

看起来可能是金融云解决方案

[zpole]

@1957704130 好像是金融还是银行的

[wander2008]

给我 100w 我来给你解决

[wyntergreg]

每秒几亿就算是银行也是银行总部大机级别的，这事没多少人能给你解决

[czheo]

其他不说， a,b 各自的修改也要能互相同步: a,b 同时修改 conflict 怎么解决？肯定要类似 cassandra 的 eventual consistency 机制。
况且数据如何 replicate 到哪个 datanode 是是 balancer 自动控制的， a1 必须同步 b1 这种需求不理解啊。
你这个构架难度太大，改构架吧。

[czheo]

仔细想想，你这构架完全是 mysql 思维啊

[ten789]

mysql 相互主从 呵呵了

[zpole]

@ten789 大概就是人家公司的某个项目想这样做，但想不到同步机制，然后经理就四处问，然后就到我这里了。我也不是很懂，就把经理说的夸大的需求发 v2 上了。现在跟工程师交流了下把需求改对了，但方案是人家的，也不想变。。。（我就是个小菜鸟，不要打我）（逃

[zpole]

@czheo 需求已改。现在您觉得这样做可行吗？不行的话架构可以怎么改？

[wmttom]

合并成一个集群可破，存储层用一套，想要安全多开副本。感觉搞两个集群应该是为了计算资源隔离吧，但是搞一个集群也能想各种办法分配调度计算任务啊，没必要搞两个。

[zpole]

@wmttom 搞两个集群还有一个目的是一边挂掉了另一边可以跟上，保证应用的不掉线。如果只开一个集群可以做到这个要求么？怎么做？

[czheo]

@zpole 用两套集群也是浪费啊。请搜索 Hadoop High Availability ， namenode 搞 active standby 就可以解决 single point of failure 。

[czheo]

你现在的思路完全是用 mysql 思维来用 Hadoop 啊，手动一个集群同步到另一个集群的做法在 Hadoop 下设置一个 replication factor 就解决了。高可用也只要解决 namenode 的 SPOF 就行了，遇到 job failure 大不了 retry 一下。

[wph95]

@czheo 他思路没问题 airbnb 就是这么搞的， airbnb 叫 gold && silve cluster 。 可以通过这个关键词去找文章

[wph95]

不说机器规模和配置，就只说需求。
可以看看 ReAir ，觉得场景有点像
// 几亿是数据的总量, 这量一点都不多。

[czheo]

@wph95 谢谢分享，有 reair 的话，说不定 lz 这需求还真能实现。

[defunct9]

管过 600 节点 hadoop ，觉得在胡扯

[zpole]

@czheo 个人理解 active standby 里 standby 一般是不参与运算的，是用来受灾的时候恢复的。这个需求要两个数据中心双活，都能做运算。虽然有冗余但利用率更高。

[tinybaby365]

只用一个集群，提高可用性。 Hadoop 设计的目的就是不让你有如此想法。