NetApp通过Spot Wave帮助组织降低Kubernetes上大数据应用的基础架构成本和复杂性

本文主要是介绍NetApp通过Spot Wave帮助组织降低Kubernetes上大数据应用的基础架构成本和复杂性,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Spot Wave可以为在Kubernetes上运行Apache Spark应用提供无服务器的基础架构,助力企业专注于开发数据应用

 

加州森尼韦尔--(美国商业资讯)--以云为主导、以数据为中心的跨国软件公司NetApp (NASDAQ: NTAP)今天宣布推出Spot Wave by NetApp,同时宣布Spot Ocean支持Microsoft Azure Kubernetes服务。这些产品组合将为客户提供领先的解决方案,为云原生应用提供简单、可扩展的高效基础架构。

 

Wave可以实现自动配置、部署、自动扩展和优化Apache Spark大数据应用在云中Kubernetes上运行,帮助减少高达90%的云浪费和费用。使用Wave作为统包解决方案,组织可以更轻松、更快速地部署Spark环境,并专注于让他们的数据发挥作用,因为他们知道Wave可以确保其基础架构在可用性、性能和成本方面不断获得优化。

 

Wave基于Spot的人工智能引擎打造,使用与Spot Ocean相同的成熟技术。Wave可以提供:

 

  • 成本优化:Wave使用竞价实例、定制实例和预留实例的智能组合在预装式基础架构上运行Spark任务,可以为客户在云基础架构上节省高达90%的成本。
  • 无服务器基础架构和Spark感知型自动扩展:内置的自动扩展功能可以根据工作负载要求将适当类型和规模的计算实例与Spark作业匹配,从而实现性能和效率的最大化。
  • Spark任务规模调整和监控:根据对Spark任务实际需求的分析,不断调整任务的Spark配置。

 

Spot by NetApp副总裁兼总经理Amiram Shachar表示:“组织正在迅速部署Kubernetes,以更快速、更敏捷地提供原生云应用,这些应用不仅用于无状态服务,还用于大数据应用。组织必须权衡云基础架构的成本、性能和可用性,以获得最佳效益,而这一过程非常复杂、耗时。Spot Wave和Ocean正在通过为Spark提供无服务器体验,同时确保基础架构不断优化,来解决这一问题。”

 

NetApp还宣布,Ocean作为Spot的无服务器容器引擎和Spot Wave的基础,现在已经支持Microsoft Azure Kubernetes服务(AKS),此外还支持AWS ECS(弹性容器服务)和EKS(弹性Kubernetes服务),以及谷歌的GKE(谷歌Kubernetes引擎)。

 

Fyber首席技术官Gal Aviv表示:“Wave基于我们在Ocean中所喜爱的功能而构建,专注于大数据应用的特定需求。将Spark应用嵌入到Wave之中可以带来强大的性能。这款解决方案还具有利用现有工具执行任务的惊人价值,并且还具备潜力加快启动适当的基础架构来驱动密集型ML应用程序。”

 

NetApp和Spot by NetApp在Kubernetes和Kubernetes社区均有着深厚的参与历史和经验。通过持续投资于面向Kubernetes的NetApp和Spot by NetApp产品,NetApp可以为Kubernetes提供领先的解决方案和应用驱动型基础架构和数据管理能力,这些都是企业运行关键的云原生应用所必需的。

 

欲了解有关Spot Wave的更多信息,请访问https://spot.io/products/wave。

 

关于NetApp

 

NetApp是一家以云为主导、以数据为中心的跨国软件企业,在日益加速的数字化转型时代,倾力帮助企业利用数据保持领先优势。无论企业是在云端执行开发,将应用程序迁移到云端,还是在内部自行打造类云体验,NetApp都能提供适用的系统、软件和云服务,助力企业从数据中心到云端以最优化的方式运行应用程序。此外,NetApp还提供跨不同环境运行的解决方案,帮助企业构建自己的Data Fabric,随时随地安全地为合适的人员提供正确的数据、服务和应用程序。欢迎访问www.netapp.com了解更多信息,或者在Twitter、LinkedIn、Facebook和Instagram上关注我们。

 

NETAPP、NETAPP标识和http://www.netapp.com/TM上所列的商标是NetApp, Inc.的商标。所有公司和产品名称均为其各自所有者的商标。

这篇关于NetApp通过Spot Wave帮助组织降低Kubernetes上大数据应用的基础架构成本和复杂性的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554209

相关文章

使用MongoDB进行数据存储的操作流程

《使用MongoDB进行数据存储的操作流程》在现代应用开发中,数据存储是一个至关重要的部分,随着数据量的增大和复杂性的增加,传统的关系型数据库有时难以应对高并发和大数据量的处理需求,MongoDB作为... 目录什么是MongoDB?MongoDB的优势使用MongoDB进行数据存储1. 安装MongoDB

Python MySQL如何通过Binlog获取变更记录恢复数据

《PythonMySQL如何通过Binlog获取变更记录恢复数据》本文介绍了如何使用Python和pymysqlreplication库通过MySQL的二进制日志(Binlog)获取数据库的变更记录... 目录python mysql通过Binlog获取变更记录恢复数据1.安装pymysqlreplicat

Linux使用dd命令来复制和转换数据的操作方法

《Linux使用dd命令来复制和转换数据的操作方法》Linux中的dd命令是一个功能强大的数据复制和转换实用程序,它以较低级别运行,通常用于创建可启动的USB驱动器、克隆磁盘和生成随机数据等任务,本文... 目录简介功能和能力语法常用选项示例用法基础用法创建可启动www.chinasem.cn的 USB 驱动

Oracle数据库使用 listagg去重删除重复数据的方法汇总

《Oracle数据库使用listagg去重删除重复数据的方法汇总》文章介绍了在Oracle数据库中使用LISTAGG和XMLAGG函数进行字符串聚合并去重的方法,包括去重聚合、使用XML解析和CLO... 目录案例表第一种:使用wm_concat() + distinct去重聚合第二种:使用listagg,

Python实现将实体类列表数据导出到Excel文件

《Python实现将实体类列表数据导出到Excel文件》在数据处理和报告生成中,将实体类的列表数据导出到Excel文件是一项常见任务,Python提供了多种库来实现这一目标,下面就来跟随小编一起学习一... 目录一、环境准备二、定义实体类三、创建实体类列表四、将实体类列表转换为DataFrame五、导出Da

Python实现数据清洗的18种方法

《Python实现数据清洗的18种方法》本文主要介绍了Python实现数据清洗的18种方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录1. 去除字符串两边空格2. 转换数据类型3. 大小写转换4. 移除列表中的重复元素5. 快速统

Python数据处理之导入导出Excel数据方式

《Python数据处理之导入导出Excel数据方式》Python是Excel数据处理的绝佳工具,通过Pandas和Openpyxl等库可以实现数据的导入、导出和自动化处理,从基础的数据读取和清洗到复杂... 目录python导入导出Excel数据开启数据之旅:为什么Python是Excel数据处理的最佳拍档

将Python应用部署到生产环境的小技巧分享

《将Python应用部署到生产环境的小技巧分享》文章主要讲述了在将Python应用程序部署到生产环境之前,需要进行的准备工作和最佳实践,包括心态调整、代码审查、测试覆盖率提升、配置文件优化、日志记录完... 目录部署前夜:从开发到生产的心理准备与检查清单环境搭建:打造稳固的应用运行平台自动化流水线:让部署像

在Pandas中进行数据重命名的方法示例

《在Pandas中进行数据重命名的方法示例》Pandas作为Python中最流行的数据处理库,提供了强大的数据操作功能,其中数据重命名是常见且基础的操作之一,本文将通过简洁明了的讲解和丰富的代码示例,... 目录一、引言二、Pandas rename方法简介三、列名重命名3.1 使用字典进行列名重命名3.编

Python使用Pandas库将Excel数据叠加生成新DataFrame的操作指南

《Python使用Pandas库将Excel数据叠加生成新DataFrame的操作指南》在日常数据处理工作中,我们经常需要将不同Excel文档中的数据整合到一个新的DataFrame中,以便进行进一步... 目录一、准备工作二、读取Excel文件三、数据叠加四、处理重复数据(可选)五、保存新DataFram