《云計算(第三版)》第2章-Google云計算原理與應(yīng)用(四)

電子工業(yè)出版社《云計算(第三版)》配套課件第2章Google云計算原理與應(yīng)用（四）目錄

2.1Google文件系統(tǒng)GFS2.2分布式數(shù)據(jù)處理MapReduce2.3分布式鎖服務(wù)Chubby2.4分布式結(jié)構(gòu)化數(shù)據(jù)表Bigtable2.5分布式存儲系統(tǒng)Megastore2.6

大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper2.7海量數(shù)據(jù)的交互式分析工具Dremel2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.9Google應(yīng)用程序引擎數(shù)據(jù)本身不會產(chǎn)生價值只有經(jīng)過分析才有可能產(chǎn)生價值2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)5產(chǎn)生背景2.7海量數(shù)據(jù)的交互式分析工具DremelMapReduce優(yōu)點：便攜缺點：效率低Google的團隊結(jié)合其自身的實際需求，借鑒搜索引擎和并行數(shù)據(jù)庫的一些技術(shù)，開發(fā)出了實時的交互式查詢系統(tǒng)Dremel。2.7海量數(shù)據(jù)的交互式分析工具DremelDremel支持的典型應(yīng)用Web文檔的分析Android市場的應(yīng)用安裝數(shù)據(jù)的跟蹤Google產(chǎn)品的錯誤報告Google圖書的光學(xué)字符識別欺詐信息的分析Google地圖的調(diào)試Bigtable實例上的tablet遷移Google分布式構(gòu)建系統(tǒng)的測試結(jié)果分析磁盤I/O信息的統(tǒng)計Google數(shù)據(jù)中心上運行任務(wù)的資源監(jiān)控Google代碼庫的符號和依賴關(guān)系分析62.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)8兩方面的技術(shù)支撐兩方面的技術(shù)支撐一方面：統(tǒng)一的存儲平臺另一方面：統(tǒng)一的數(shù)據(jù)存儲格式實現(xiàn)高效的數(shù)據(jù)存儲，Dremel使用的底層數(shù)據(jù)存儲平臺是GFS存儲的數(shù)據(jù)才可以被不同的平臺所使用2.7海量數(shù)據(jù)的交互式分析工具Dremel9兩方面的技術(shù)支撐關(guān)系數(shù)據(jù)庫用關(guān)系模型進行建模，其數(shù)據(jù)存儲方式有兩種：

早期：行存儲（面向記錄的存儲）

晚期：列存儲，以屬性為單位，每次存儲一個屬性，應(yīng)用時將需要的屬性重

新組裝成原始的記錄缺點：很多數(shù)據(jù)之間沒有嚴格關(guān)系，無法用關(guān)系模型進行很好地建模

嵌套數(shù)據(jù)模型（GOOGLE采用）Dremel第一次在嵌套數(shù)據(jù)模型基礎(chǔ)上實現(xiàn)列存儲優(yōu)點：處理時只需要使用涉及的列數(shù)據(jù)；

更利于數(shù)據(jù)的壓縮。2.7海量數(shù)據(jù)的交互式分析工具Dremel102.7海量數(shù)據(jù)的交互式分析工具Dremel面向記錄和面向列的存儲Google的Dremel是第一個在嵌套數(shù)據(jù)模型基礎(chǔ)上實現(xiàn)列存儲的系統(tǒng)。列存儲更利于數(shù)據(jù)的壓縮處理時只需要使用涉及的列數(shù)據(jù)好處一：好處二：112.7海量數(shù)據(jù)的交互式分析工具Dremel嵌套模型的形式化定義原子類型（AtomicType）原子類型允許的取值類型包括整型、浮點型、字符串等記錄類型（RecordType）記錄類型則可以包含多個域記錄型數(shù)據(jù)包括三種類型：必須的（Required）、可重復(fù)的（Repeated）以及可選的（Optional）122.7海量數(shù)據(jù)的交互式分析工具Dremel嵌套結(jié)構(gòu)的模式和實例文檔的模式（Schema）定義符合該模式的兩條記錄利用該數(shù)據(jù)模型，可以使用Java語言，也可以使用C++語言來處理數(shù)據(jù)，甚至可以用Java編寫的MapReduce程序直接處理C++語言產(chǎn)生的數(shù)據(jù)集。這種跨平臺的優(yōu)良特性正是Google所需要的。2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)14問題：對圖2-41中的r1的‘en-us’和‘en’，單純記錄下來無法判斷這兩個值對應(yīng)的是r1中的那個位置，因為r1中Name.Language.Code屬性出現(xiàn)了3次

解決辦法：Dremel定義了兩個變量：r(重復(fù)深度)和d（定義深度）2.7海量數(shù)據(jù)的交互式分析工具Dremel15圖2-41中Name.Language.Code出現(xiàn)了三次en-us’，‘en’和‘en-gb’Name.Language.Code中可重復(fù)的字段有兩個：Name,Language,因此Code的可重復(fù)深度的取值可能為0，1，2,其中0表示一個新紀錄的開始。en-us的重復(fù)深度：0（Name和Language沒重復(fù)，表示一個新紀錄）en的重復(fù)深度：2（Language出現(xiàn)了第2次，Language在Name.Language.Code路徑中位置第二）

en-gb的重復(fù)深度：1（Name重復(fù)，Name在Name.Language.Code路徑中位置第1）

注意：第二個Name在r1中沒有包含任何Code值，為了確定出現(xiàn)在第三個Name中而不是第二個，系統(tǒng)會添加一個NULL值在’en’和‘en-gb’之間重復(fù)深度記錄的是該列的值是在哪一個級別上重復(fù)的2.7海量數(shù)據(jù)的交互式分析工具Dremel16定義深度：值的路徑中有多少個可以不被定義的字段（可選和重復(fù)）實際是有定義的路徑Name.Language.Country的定義深度的可能取值：0，1，2，3在r1中共有4個定義：‘us’,‘NULL’，‘NULL’和‘gb’定義深度分別為3，2，1，32.7海量數(shù)據(jù)的交互式分析工具Dremel172.7海量數(shù)據(jù)的交互式分析工具Dremel數(shù)據(jù)結(jié)構(gòu)的無損表示帶有重復(fù)深度和定義深度的r1與r2的列存儲重復(fù)深度主要關(guān)注的是可重復(fù)類型，而定義深度同時關(guān)注可重復(fù)類型和可選類型（optional）每一列最終會被存儲為塊（Block）的集合，每個塊包含重復(fù)深度和定義深度且包含字段值。182.7海量數(shù)據(jù)的交互式分析工具Dremel高效的數(shù)據(jù)編碼計算重復(fù)和定義深度的基礎(chǔ)算法Dremel利用圖中算法創(chuàng)建一個樹狀結(jié)構(gòu)樹的節(jié)點為字段的writer，它的結(jié)構(gòu)與模式中的字段層級匹配。核心的想法是只在字段writer有自己的數(shù)據(jù)時執(zhí)行更新，非絕對必要時不嘗試往下傳遞父節(jié)點狀態(tài)。子節(jié)點writer繼承父節(jié)點的深度值。當任意值被添加時，子writer將深度值同步到父節(jié)點。192.7海量數(shù)據(jù)的交互式分析工具Dremel數(shù)據(jù)重組Dremel數(shù)據(jù)重組方法的核心思想是為每個字段創(chuàng)建一個有限狀態(tài)機（FSM），讀取字段值和重復(fù)深度，然后順序地將值添加到輸出結(jié)果上。202.7海量數(shù)據(jù)的交互式分析工具Dremel21當前FSM寫入值下一個重復(fù)深度值動作DocId（開始）100跳轉(zhuǎn)至Links.BackwardLinks.BackwardNULL0跳轉(zhuǎn)至Links.ForwardLinks.Forward201停留在Links.ForwardLinks.Forward401停留在Links.ForwardLinks.Forward600跳轉(zhuǎn)至Name.Language.CodeName.Language.Codeen-us2跳轉(zhuǎn)至Name.Language.CountryName.Language.Countryus2跳轉(zhuǎn)至Name.Language.CodeName.Language.Codeen1跳轉(zhuǎn)至Name.Language.CountryName.Language.CountryNULL1跳轉(zhuǎn)至Name.UrlName.Urlhttp://A1跳轉(zhuǎn)至Name.Language.CodeName.Language.CodeNULL1跳轉(zhuǎn)至Name.Language.CountryName.Language.CountryNULL1跳轉(zhuǎn)至Name.UrlName.Urlhttp://B1跳轉(zhuǎn)至Name.Language.CodeName.Language.Codeen-gb0跳轉(zhuǎn)至Name.Language.CountryName.Language.Countrygb0跳轉(zhuǎn)至Name.UrlName.UrlNULL0結(jié)束2.7海量數(shù)據(jù)的交互式分析工具Dremel數(shù)據(jù)重組r1的完整數(shù)據(jù)重組過程222.7海量數(shù)據(jù)的交互式分析工具Dremel數(shù)據(jù)重組如果具體的查詢中不是涉及所有列，而是僅涉及很少的列的話，上述數(shù)據(jù)重組的過程會更加便利，下圖中僅僅涉及DocId和Name.Language.Country的有限狀態(tài)機。232.7海量數(shù)據(jù)的交互式分析工具Dremel數(shù)據(jù)重組核心的思想如下：設(shè)置t為當前字段讀取器的當前值f所返回的下一個重復(fù)深度。在模式樹中，找到它在深度t的祖先，然后選擇該祖先節(jié)點的第一個葉子字段n。由此得到一個FSM狀態(tài)變化(f,t)->n。有限狀態(tài)機的構(gòu)造算法2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)252.7海量數(shù)據(jù)的交互式分析工具Dremel查詢語言與執(zhí)行Dremel的SQL查詢輸入的是一個或多個嵌套結(jié)構(gòu)的表以及相應(yīng)的模式，而輸出的結(jié)果是一個嵌套結(jié)構(gòu)的表以及相應(yīng)的模式。嵌套子查詢記錄內(nèi)聚合top-kjoins自定義函數(shù)……262.7海量數(shù)據(jù)的交互式分析工具DremelDremel利用多層級服務(wù)樹（multi-levelservicetree）的概念來執(zhí)行查詢操作根服務(wù)器接受客戶端發(fā)出的請求，讀取相應(yīng)的元數(shù)據(jù)，將請求轉(zhuǎn)發(fā)至中間服務(wù)器。中間服務(wù)器負責(zé)查詢中間結(jié)果的聚集葉子服務(wù)器負責(zé)執(zhí)行數(shù)據(jù)來源查詢語言與執(zhí)行27查詢語言與執(zhí)行Dremel中的數(shù)據(jù)都是分布式存儲的，因此每一層查詢涉及的數(shù)據(jù)實際都被水平劃分后存儲在多個服務(wù)器上。Dremel是一個多用戶系統(tǒng)，因此同一時刻往往會有多個用戶進行查詢。查詢分發(fā)器有一個很重要參數(shù)，它表示在返回結(jié)果之前一定要掃描百分之多少的tablet2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)29表名記錄數(shù)（億)規(guī)模（未壓縮，TB）域數(shù)目數(shù)據(jù)中心復(fù)制因子T185087270A3T224013530A3T340701200A3T4>1000010550B3T5>100002050B22.7海量數(shù)據(jù)的交互式分析工具Dremel由于Dremel并不開源，我們只能通過Google論文中的分析大致了解其性能。Google的實驗數(shù)據(jù)集規(guī)模如下圖：性能分析302.7海量數(shù)據(jù)的交互式分析工具Dremel性能分析MR從面向記錄轉(zhuǎn)換到列狀存儲后性能提升了一個數(shù)量級（從小時到分鐘），而使用Dremel則又提升了一個數(shù)量級（從分鐘到秒）2.7海量數(shù)據(jù)的交互式分析工具Dremel2.7.1產(chǎn)生背景2.7.2數(shù)據(jù)模型2.7.3嵌套式的列存儲2.7.4查詢語言與執(zhí)行2.7.5性能分析2.7.6小結(jié)322.7海量數(shù)據(jù)的交互式分析工具Dremel小結(jié)Dremel和MapReduce并不是互相替代，而是相互補充的技術(shù)。在不同的應(yīng)用場景下各有其用武之地。Drill的設(shè)計目標就是復(fù)制一個開源的Dremel，但是從目前來看，該項目無論是進展還是影響力都達不到Hadoop的高度。希望未來能出現(xiàn)一個真正有影響力的開源系統(tǒng)實現(xiàn)Dremel的主要功能并被廣泛采用。123目錄

2.1Google文件系統(tǒng)GFS2.2分布式數(shù)據(jù)處理MapReduce2.3分布式鎖服務(wù)Chubby2.4分布式結(jié)構(gòu)化數(shù)據(jù)表Bigtable2.5分布式存儲系統(tǒng)Megastore2.6

大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper2.7海量數(shù)據(jù)的交互式分析工具Dremel2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.9Google應(yīng)用程序引擎2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.8.1產(chǎn)生背景與設(shè)計目標2.8.2基本數(shù)據(jù)結(jié)構(gòu)2.8.3性能優(yōu)化2.8.4性能分析與對比352.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill產(chǎn)生背景與設(shè)計目標用戶對于實時的交互式數(shù)據(jù)查詢和分析一直都有很高的要求一些數(shù)據(jù)探索場景：

先向系統(tǒng)發(fā)出請求

根據(jù)結(jié)果修正查詢內(nèi)容

再次向系統(tǒng)發(fā)出新的查詢

如此反復(fù)……MapReduce無法實現(xiàn)這種程度的交互式查詢，Dremel在一定程度上（數(shù)據(jù)規(guī)模比較小的情況下）能實現(xiàn)隨著數(shù)據(jù)規(guī)模的增大和內(nèi)部對adhoc（即席查詢）查詢需求的增多，Google設(shè)計開發(fā)了新的交互式查詢系統(tǒng)PowerDrill362.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill產(chǎn)生背景與設(shè)計目標adhoc（即席查詢）查詢是用戶根據(jù)自己的需求，靈活地選擇查詢條件，系統(tǒng)根據(jù)用戶的選擇生成相應(yīng)的統(tǒng)計結(jié)果。通常的查詢在系統(tǒng)設(shè)計和實施時是已知的，在構(gòu)建系統(tǒng)是通過建立索引，分區(qū)等技術(shù)來優(yōu)化查詢Adhoc查詢是用戶在使用時臨時產(chǎn)生的，系統(tǒng)無法優(yōu)化，需要通過其它手段來實現(xiàn)高效的adhoc查詢372.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill產(chǎn)生背景與設(shè)計目標兩個假設(shè)結(jié)論（1）絕大多數(shù)的查詢是類似和一致的；（2）存儲系統(tǒng)中的表只有一小部分是經(jīng)常被使用的，絕大部分的表使用頻率不高?？紤]兩方面的內(nèi)容（1）如何盡可能在查詢中略去不需要的數(shù)據(jù)分塊；（2）如何盡可能地減少數(shù)據(jù)在內(nèi)存中的占用，占用越少意味著越多的數(shù)據(jù)可以被加載進內(nèi)存中處理。PowerDrill整個系統(tǒng)實際分為三個部分WebUI一個抽象層列式存儲2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.8.1產(chǎn)生背景與設(shè)計目標2.8.2基本數(shù)據(jù)結(jié)構(gòu)2.8.3性能優(yōu)化2.8.4性能分析與對比392.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill基本數(shù)據(jù)結(jié)構(gòu)列式存儲：減少查詢涉及的數(shù)據(jù)量；便于數(shù)據(jù)壓縮。關(guān)系數(shù)據(jù)庫通過索引來減少查詢中用到的數(shù)據(jù)量，但adhoc查詢場景中索引不起作用PowerDrill的解決方式是對數(shù)據(jù)進行分塊，巧妙設(shè)計塊數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，使得查詢時可以確定那些塊不需要，可直接略去，大大減少了所需數(shù)據(jù)量402.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill下圖闡述了PowerDrill采用的數(shù)據(jù)結(jié)構(gòu)，簡單來說就是一個雙層數(shù)據(jù)字典結(jié)構(gòu)。塊字典記錄的是塊id（chunk-id）和全局id的映射關(guān)系塊元素記錄的是塊中存儲數(shù)據(jù)的塊id（注意不是全局id）基本數(shù)據(jù)結(jié)構(gòu)全局字典表存儲全局id和搜索關(guān)鍵字的對應(yīng)關(guān)系3個塊的數(shù)據(jù)2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.8.1產(chǎn)生背景與設(shè)計目標2.8.2基本數(shù)據(jù)結(jié)構(gòu)2.8.3性能優(yōu)化2.8.4性能分析與對比422.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill數(shù)據(jù)分塊傳統(tǒng)的索引對于PowerDrill的查詢場景作用不是很大，因此一個很自然的考慮就是對數(shù)據(jù)進行分塊，過濾查詢中不需要的數(shù)據(jù)塊來減少數(shù)據(jù)量背景常見的分區(qū)方法有范圍分區(qū)、散列分區(qū)等。PowerDrill實際采用的是一種組合范圍分區(qū)方法。方法領(lǐng)域?qū)＜掖_定若干個劃分的域步驟利用這幾個域?qū)?shù)據(jù)進行劃分每個塊的行數(shù)達到閾值時就停止劃分局限PowerDrill采用的數(shù)據(jù)分塊方法簡單實用，但是由于域的確定需要領(lǐng)域?qū)＜?，因此這種方法在實際使用中還有一定的局限性432.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill數(shù)據(jù)編碼的優(yōu)化統(tǒng)計一組數(shù)中不同值的個數(shù)有一個專有名詞，稱為“基數(shù)估計”對于小規(guī)模的數(shù)據(jù)集，可以比較容易地統(tǒng)計出精確的基數(shù)。但是在大數(shù)據(jù)的環(huán)境下，精確的基數(shù)統(tǒng)計非常耗時，因此能保證一定精度的基數(shù)估計就可以滿足實際的需求。基數(shù)估計的方法很多，大多利用了散列函數(shù)的一些特性，Google內(nèi)部使用的是一種稱為Hyperloglog的基數(shù)估計方法的變種。對于不同的塊，如果我們可以確定塊中不同值的數(shù)量，那么就可以根據(jù)這個數(shù)量值來選擇可變的比特位來記錄塊id442.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill全局字典優(yōu)化優(yōu)化中主要利用兩個特性全局字典是有序的排序后的數(shù)據(jù)常常有共同的前綴對每個全局字典塊還會維護一個布隆過濾器（bloomfilter）來快速確定某個值是否在字典中。實際使用中為了進一步減少查詢中需要加載到內(nèi)存的全局字典，對全局字典又進行了分塊452.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill算法壓縮后剩余數(shù)據(jù)百分比編碼速度解碼速度GZIP13.4%21MB/s118MB/sLZO20.5%135MB/s410MB/sZippy/Snappy22.2%172MB/s409MB/s壓縮算法Google曾經(jīng)對一些主流的壓縮算法做過簡單的測試，如下圖：不管壓縮算法的解壓速度多快，總會消耗一定的物理資源與時間。對此PowerDrill采用了一種冷熱數(shù)據(jù)分別對待的策略。在冷熱數(shù)據(jù)切換策略中，比較常用的是LRU算法。PowerDrill開發(fā)團隊采用了啟發(fā)式的緩存策略來代替原始的LRU算法。462.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill行的重排數(shù)據(jù)壓縮的算法有很多，比較常用的一種稱為游程編碼（Run-LengthEncoding，RLE），又稱行程長度編碼，其好處是壓縮和解壓縮都非?？?。數(shù)據(jù)重排的過程等效于著名的TSP（旅行商）問題PowerDrill在實際生產(chǎn)環(huán)境中對數(shù)據(jù)分塊時選定的那幾個域按照字典序進行排序來得到重排的結(jié)果010011100兩個等長字符串之間的漢明距離是兩個字符串對應(yīng)位置的不同字符的個數(shù)2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.8.1產(chǎn)生背景與設(shè)計目標2.8.2基本數(shù)據(jù)結(jié)構(gòu)2.8.3性能優(yōu)化2.8.4性能分析與對比482.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill我們比較關(guān)注的兩組數(shù)據(jù)在查詢過程中，平均92.41%的數(shù)據(jù)被略去5.02%的數(shù)據(jù)會直接被緩存命中一般僅須掃描2.66%的數(shù)據(jù)即可得到查詢結(jié)果超過70%的查詢是不需要從磁盤訪問任何數(shù)據(jù)的這些查詢的平均訪問延遲大約是25秒96.5%的查詢需要訪問的磁盤量不超過1GB492.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill性能分析與對比訪問數(shù)據(jù)量（GB）延遲時間（s）502.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrillPowerDrillDremel設(shè)計目標處理非常大量的數(shù)據(jù)集分析少量的核心數(shù)據(jù)集設(shè)計理念處理的數(shù)據(jù)來自外存處理的數(shù)據(jù)盡可能地存于內(nèi)存未進行數(shù)據(jù)分區(qū)，分析時要掃描所有需要的列使用了組合范圍分區(qū)，分析時可以跳過很多不需要的分區(qū)數(shù)據(jù)通常不需要加載，增加數(shù)據(jù)很方便數(shù)據(jù)需要加載，增加數(shù)據(jù)相對不便PowerDrill與Dremel的對比目錄

2.1Google文件系統(tǒng)GFS2.2分布式數(shù)據(jù)處理MapReduce2.3分布式鎖服務(wù)Chubby2.4分布式結(jié)構(gòu)化數(shù)據(jù)表Bigtable2.5分布式存儲系統(tǒng)Megastore2.6

大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper2.7海量數(shù)據(jù)的交互式分析工具Dremel2.8內(nèi)存大數(shù)據(jù)分析系統(tǒng)PowerDrill2.9Google應(yīng)用程序引擎2.9Google應(yīng)用程序引擎2.9.1GoogleAppEngine簡介2.9.2應(yīng)用程序環(huán)境2.9.3GoogleAppEngine服務(wù)什么是GoogleAppEngineGoogleAppEngine是一個由Python應(yīng)用服務(wù)器群、Bigtable數(shù)據(jù)庫及GFS數(shù)據(jù)存儲服務(wù)組成的平臺，它能為開發(fā)者提供一體化的可自動升級的在線應(yīng)用服務(wù)。GoogleAppEngine可以讓開發(fā)人員在Google的基礎(chǔ)架構(gòu)上運行網(wǎng)絡(luò)應(yīng)用程序。在GoogleAppEngine中，用戶可以使用域上的免費域名為應(yīng)用程序提供服務(wù)，也可以使用Google企業(yè)應(yīng)用套件從自己的域為它提供服務(wù)?？梢悦赓M使用GoogleAppEngine。注冊一個免費賬戶即可開發(fā)和發(fā)布應(yīng)用程序，而且不需要承擔(dān)任何費用和責(zé)任。GoogleAppEngine552.9Google應(yīng)用程序引擎GoogleAppEngine的整體架構(gòu)前端和靜態(tài)文件負責(zé)將請求轉(zhuǎn)發(fā)給應(yīng)用服務(wù)器并進行負載均衡和靜態(tài)文件的傳輸應(yīng)用服務(wù)器能同時運行多個應(yīng)用的運行時（Runtime）服務(wù)器群提供了一些服務(wù)，主要有Memcache、Images、URLfetch、E-mail和DataStore等應(yīng)用管理節(jié)點主要負責(zé)應(yīng)用的啟停和計費。2.9Google應(yīng)用程序引擎2.9.1GoogleAppEngine簡介2.9.2應(yīng)用程序環(huán)境2.9.3GoogleAppEngine服務(wù)572.9Google應(yīng)用程序引擎動態(tài)網(wǎng)絡(luò)服務(wù)功能。能夠完全支持常用的網(wǎng)絡(luò)技術(shù)。具有持久存儲的空間。在這個空間里平臺可以支持一些基本操作，如查詢、分類和事務(wù)的操作。具有自主平衡網(wǎng)絡(luò)和系統(tǒng)的負載、自動進行擴展的功能?？梢詫τ脩舻纳矸葸M行驗證，并且支持使用Google賬戶發(fā)送郵件。有一個功能完整的本地開發(fā)環(huán)境，可以在自身的計算機上模擬GoogleAppEngine環(huán)境。支持在指定時間或定