功能特性 - 公有云文档中心

QingMR 适用于流式数据处理、批量数据处理、极速数据查询与分析、机器学习等应用场景，能够满足企业用户实时数据计算、海量数据极速查询及分析处理的需求。

QingMR 通过 AppCenter 交付部署，3 分钟之内即可完成一个集群部署，并且能够通过可视化的方式完成服务的个性化定制，并提供完善的服务监控，真正实现一键部署、即刻使用。基于 AppCenter 框架内原生的应用感知机制，实现与其他大数据分析组件如 ZooKeeper 之间自动化的无缝集成。
QingMR 与 QingStor™ 对象存储平台也提供预置集成，用户通过简单的配置即可开启对 QingStor™ 对象存储的支持，以应对海量大规模数据的存储问题。
QingMR 中的 Hadoop MapReduce ，Spark 和 Hive 都与 QingStor 对象存储服务进行了有效的集成，使得用户可以高效地进行海量数据的低成本存储。

Hadoop 服务简介

提供 Hadoop 的 MapReduce、YARN、HDFS 等服务。

支持用户自定义 Hadoop 代理用户及其能够代理 hosts 及其 groups。
支持上传自定义的 YARN 调度器 CapacityScheduler 和 FairScheduler，并支持在 CapacityScheduler 和 FairScheduler 之间进行切换。

提供 Spark 的 Spark streaming、Spark SQL、DataFrame and DataSet、Structed Streaming、MLlib、GraphX、SparkR 等服务。

同时支持 Spark Standalone 和 Spark on YARN 两种模式。
为了方便用户提交 Python Spark 应用，提供了 Anaconda 发行版的 Python 2.7.13 和 Python 3.6.1 。用户可以选择 Python Spark 应用的运行环境，支持在 Python2 和 Python3 之间进行切换。
为了方便用户开发 Python Spark 机器学习类的应用，分别在 Anaconda 发行版的 Python2 和 Python3 内提供了 Anaconda 发行版的数据科学包 numpy, scikit-learn, scipy, Pandas, NLTK and Matplotlib。
为了方便用户开发 Spark R 应用，提供了R语言运行时。
支持上传自定义的 Spark 应用内调度器 Fair Schudeler，并支持 spark 应用内调度模式在 FIFO 和 FAIR 切换。
支持基于 Spark 的分布式深度学习框架 BigDL （从 QingMR 2.0.0 开始支持）。

提供 Hive 的以 SQL 语法读、写和管理分布式大规模数据集的 SQL on Hadoop 数据仓库服务。

同时支持 Hive on MapReduce 和 Hive on Spark 两种模式并可进行切换 (其中 Hive on Spark 从 QingMR 1.3.0 开始支持)。

提供 Flink 的 DataStream and DataSet、CEP、Table、FlinkML、Gelly 等服务。

Ranger 提供集中式权限管理框架，可以对 HDFS、HBase、Hive、Yarn 等组件进行细粒度的权限访问控制；Ranger 提供 Web 界面，方便开发管理员操作。

Ranger Admin

支持创建和更新安全访问策略，这些策略被存储在数据库中。各个组件的 Plugin 定期对这些策略进行轮询。
Ranger Plugins

Plugin 嵌入在各个集群组件的进程里，是一个轻量级的Java程序。
Ranger UserSync

Ranger 提供了一个用户同步工具。这些用户和用户组的信息被存储在 Ranger Admin 的数据库中，可以在定义策略时使用。