Azure HDInsight kümeniz için doğru VM boyutunu seçme

  • Makale

Bu makalede, HDInsight kümenizdeki çeşitli düğümler için doğru VM boyutunu seçme adımları anlatılmaktadır.

CPU işleme, RAM boyutu ve ağ gecikme süresi gibi sanal makinenin özelliklerinin iş yüklerinizin işlenmesini nasıl etkileyeceğini anlayarak başlayın. Ardından, uygulamanızı ve farklı VM ailelerinin hangileri için iyileştirildiğinden nasıl eşleşeceğini düşünün. Kullanmak istediğiniz VM ailesinin dağıtmayı planladığınız küme türüyle uyumlu olduğundan emin olun. Her küme türü için desteklenen ve önerilen tüm VM boyutlarının listesi için bkz. Azure HDInsight tarafından desteklenen düğüm yapılandırmaları. Son olarak, bazı örnek iş yüklerini test etmek ve bu aile içindeki hangi SKU'nun size uygun olduğunu denetlemek için bir karşılaştırma işlemi kullanabilirsiniz.

Depolama türü veya küme boyutu seçme gibi kümenizin diğer yönlerini planlama hakkında daha fazla bilgi için bkz. HDInsight kümeleri için kapasite planlaması.

VM özellikleri ve büyük veri iş yükleri

VM boyutu ve türü CPU işleme gücü, RAM boyutu ve ağ gecikme süresi tarafından belirlenir:

  • CPU: VM boyutu çekirdek sayısını belirler. Ne kadar çok çekirdek olursa, her düğümün elde edilebileceği paralel hesaplama derecesi de o kadar fazla olur. Ayrıca, bazı VM türlerinin çekirdekleri daha hızlıdır.

  • RAM: VM boyutu, VM'de kullanılabilen RAM miktarını da belirler. Verileri diskten okumak yerine işlenmek üzere bellekte depolayan iş yükleri için çalışan düğümlerinizin verileri sığdırmak için yeterli belleğe sahip olduğundan emin olun.

  • Ağ: Çoğu küme türü için küme tarafından işlenen veriler yerel diskte değil, Data Lake Storage veya Azure Depolama gibi bir dış depolama hizmetinde yer alır. Düğüm VM'si ile depolama hizmeti arasındaki ağ bant genişliğini ve aktarım hızını göz önünde bulundurun. Vm'nin kullanabileceği ağ bant genişliği genellikle daha büyük boyutlarda artar. Ayrıntılar için bkz. VM boyutlarına genel bakış.

VM iyileştirmeyi anlama

Azure'daki sanal makine aileleri, farklı kullanım örneklerine uyacak şekilde iyileştirilmiştir. Aşağıdaki tabloda, en popüler kullanım örneklerinden bazılarını ve bunlarla eşleşen VM ailelerini bulabilirsiniz.

Tür Boyutlar Açıklama
Giriş seviyesi Av2 Geliştirme ve test gibi giriş düzeyi iş yükleri için en uygun CPU performansı ve bellek yapılandırmalarını elde edin. Ekonomiktir ve Azure'ı kullanmaya başlamak için düşük maliyetli bir seçenek sunar.
Genel amaçlı D, DSv2, Dv2 Dengeli CPU/bellek oranı. Test ve geliştirme, küçük-orta büyüklükteki veritabanları ve küçük-orta büyüklükte trafik hacmine sahip web sunucuları için idealdir.
İşlem için iyileştirilmiş F Yüksek CPU/bellek oranı. Orta düzeyde trafikli web sunucuları, ağ gereçleri, toplu işlemler ve uygulama sunucuları için idealdir.
Bellek için iyileştirilmiş Esv3, Ev3 Yüksek bellek/CPU oranı. İlişkisel veritabanı sunucuları, orta veya büyük boyutlu önbellekler ve bellek içi analiz için idealdir.
  • HDInsight tarafından desteklenen bölgelerdeki kullanılabilir VM örneklerinin fiyatlandırması hakkında bilgi için bkz. HDInsight Fiyatlandırması.

Hafif iş yükleri için maliyet tasarrufu sağlayan VM türleri

Hafif işleme gereksinimleriniz varsa , F serisi HDInsight'ı kullanmaya başlamak için iyi bir seçim olabilir. Daha düşük bir saatlik liste fiyatına sahip olan F Serisi, vCPU başına Azure İşlem Birimi (ACU) açısından fiyat-performans alanında Azure portföyündeki en iyi seçenektir.

Aşağıdaki tabloda, Fsv2 serisi VM'lerle oluşturulabilen küme türleri ve düğüm türleri açıklanmaktadır.

Küme Türü Sürüm Çalışan Düğümü Baş Düğüm Zookeeper Düğümü
Spark Tümü F4 ve üzeri hayır hayır
Hadoop Tümü F4 ve üzeri hayır hayır
Kafka Tümü F4 ve üzeri hayır hayır
HBase Tümü F4 ve üzeri hayır hayır
LLAP devre dışı hayır hayır hayır

Her bir F serisi SKU'nun belirtimlerini görmek için bkz. F serisi VM boyutları.

Kıyaslama

Karşılaştırma, üretim iş yükleriniz için ne kadar iyi performans göstereceğini ölçmek için farklı VM'lerde sanal iş yüklerini çalıştırma işlemidir.

VM SKU'ları ve küme boyutlarını karşılaştırma hakkında daha fazla bilgi için bkz. Azure HDInsight'ta küme kapasitesi planlaması .

Sonraki adımlar