一图秒懂！从传统大数据平台到云原生大数据平台，再到云原生 K8s 大数据平台

如果你还在使用传统大数据平台

并且觉得它确实有点坑；

如果你听说过云原生大数据平台

但却不知道它为啥这么火？

如果你想使用云原生大数据平台

却无从下手

现在，一张图“大数据平台的三级跳”

带你轻松了解以上信息

废话不多说，上图！

传统大数据平台，即 Hadoop、Spark、Kafka 等集群组件，各自为战。

这里的坑就包括：数据开发迭代速度不够快，集群资源利用效率过低，运维复杂难度大，新的数据组件集成非常复杂等等，想必你一定深有体会！

具体来说传统大数据平台有什么痛点？因为传统大数据平台比如 Hadoop、HBase、Hive 每一个子系统都有自己的分布式管理机制以及安装流程，无法共享资源池，所以系统在运行的时候安装和运维比较复杂，工作量非常大，迭代效率低。此外，随着业务系统逐渐向云原生体系迁移，很多企业需要同时在业务系统使用的 Kubernetes 集群之外单独运行一个 Hadoop 集群，数据需要在各个不同集群中来回拷贝，没法形成统一的体系，资源使用效率非常低。

云原生大数据平台，即在云平台上搭建一套大数据组件。

为了避免系统中各个组件各自为战，无法形成统一体系的局面，将 Hadoop、Spark、Kafka 等一套组件构建在统一的数字底座上，进行统一管理，从而达到资源共享，这就是我们常听说的云原生大数据平台的理念。

如此看来，解决传统大数据平台的痛点，解决方案就是 Everything On Kubernetes，核心的变化就是把大数据组件和大数据应用的发布与运维，用 Kubernetes 来标准化。

这样做最大的好处就是，各组件在统一管理的过程中，可以达到共享资源、共享工具、共同统计各种使用情况，如此一来不仅资源效率得到提高，也给运维人员省了不少事儿。

当然，大数据平台的云原生化已经是大势所趋，直接在 Kubernetes 上运行所有大数据工作负载也已经成为可能。问题来了，Data on Kubernetes 是不是只要把大数据组件容器化装到 K8s 上就可以了？答案当然是否定的！

因为想要实现 Data on Kubernetes，除了把它们装起来，还要将所有大数据组件分别云原生化，并通过 K8s 纳管起来。这一过程中仍有非常多的技术难题需求攻克（具体难题及改造过程在《传统大数据平台的云原生化改造》有过详细介绍）。但智领云认为这些难题不需要每个企业自己去做，所以 Kubernetes Data Platform（简称 KDP）应运而生。

KDP，即在 Kubernetes 上使用原生的分布式功能搭建及管理大数据平台。

将多套大数据组件构建在 K8s 之上（每一套大数据组件就是一个大数据平台），同时提供一个整体的管理及运维工具体系，达到同时管理若干套大数据组件的需求。

KDP，通过对开源大数据组件的扩展和集成，实现了传统大数据平台到 K8s 大数据平台的平稳迁移。

作为市场上首个可完全在 Kubernetes 上部署的容器化云原生大数据平台，智领云自主研发的 KDP，深度整合云原生架构优势，将大数据组件、数据应用及资源调度混排，纳入 Kubernetes 管理体系，从而带你真正玩转云原生！

Kubernetes Data Platform 产品架构

简单来讲，KDP 可以允许客户在 Kubernetes 上运行它所有的大数据组件，并把它们作为一个整体管理起来。

在 Kubernetes 上运行大数据平台有四个好处：

第一，统一管理，复用 Kubernetes 基础架构，复杂度大大降低；

第二，资源混排，高效利用共享资源池，各个组件及整个集群都很容易弹性伸缩；

第三，整个系统能够快速支持新应用的集成，快速迭代；

第四，系统稳定性得到极大提高，运维效率高。

值得一提的是，KDP 既可以快速从零开始打造一套企业级云原生大数据底座平台，同时也可以支持渐进式地对现有大数据系统进行云原生改造和迁移，助力企业更高效地进行数字化创新和数字化转型。