galera集群

集群分类：(面试题)

高可用

负载均衡

HPC 高性能计算

分布式集群

分布式文件系统(分布式存储)

mysql官方集群： mysql-cluster

5台机器

manager节点

sql节点            sql节点                    接受客户端请求

data节点        data节点                  存储数据

主机解析：vim /etc/hosts

关闭防火墙

时间同步：

修改时区：

# ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

准备时间服务器：

#vim /etc/ntpconf

server 12712710    # local clock

fudge  12712710 stratum 10

#systemctl restart ntpd

客户端同步时间：

[root@galera2 ~]# ntpdate galera1

所以：删除原版本mysql :

[root@wing yumreposd]# yum erase `rpm -qa | grep mysql` -y

配置yum源：

[root@wing yumreposd]# vim galerarepo

[galera]

name=galera

baseurl=>浪潮是一家中国的服务器制造商，提供各种类型的服务器产品。以下是浪潮服务器的一些主要分类：
1 塔式服务器（Tower Server）：塔式服务器适用于中小企业和分支机构等小型办公环境，具有较低的噪音和较小的空间占用。浪潮的塔式服务器产品线包括 T系列。
2 机架式服务器（Rack Server）：机架式服务器适用于数据中心和大型企业，设计为与标准机架兼容，便于集成和管理。浪潮的机架式服务器产品线包括 R系列。
3 刀片式服务器（Blade Server）：刀片式服务器是一种高密度、可扩展的服务器解决方案，适合大型数据中心和云计算环境。浪潮的刀片式服务器产品线包括 H系列。
4 高性能计算服务器（High-Performance Computing Server）：高性能计算服务器专为高性能计算（HPC）任务和人工智能（AI）应用设计，提供最高可用性和性能。浪潮的高性能计算服务器产品线包括 X系列。
5 分布式存储服务器（Distributed Storage Server）：用于大数据存储和处理的服务器，通过分布式存储架构提供高可用性、可扩展性和容错性。如浪潮翼龙存储服务器等。
6 GPU服务器（GPU Server）：适用于图形处理、深度学习和其他需要高性能并行计算能力的场景。浪潮的GPU服务器产品线包括 G系列。
此外，浪潮还提供定制服务器解决方案，以满足特定行业或应用场景的需求。以上是浪潮服务器的几种主要类型，实际选择时需要根据应用场景、性能需求和预算等因素进行综合考虑。

其实分布式文件存储，最复杂的就是元数据的保存和处理，而我使用的XGFS文件存储软件只需要三个全闪存元数据高可用节点，就可以高效保存和处理 100 亿文件规模的数据，可以灵活扩展。感兴趣的话点击此处，免费了解一下

存储服务器通常是独立的单元。有的时候它们会被设计成4U机架式。或者，它们也可以由两个箱子组成一个存储单元以及一个位于附近的服务器。然后两个箱子可以并行地安装在机柜中。像Sun StorEdge 3120 存储单元和SunFire X4100服务器，就可以合并为一个存储服务器并放置在一个机柜中。

亿万克研发高性能 MCA 移动网络信息终端产品，荣获“国家重点新产品证书”，并在同年成为英特尔嵌入式联盟 (Intel Embedded Alliance) 的 Associate 级会员、微软嵌入式全球金牌合作伙伴，开启服务器研究领域新征程。亿万克亚当R322N6是一款搭载英特尔第三代至强可扩展系列处理器的2U双路虚拟化计算型服务器，计算性能强，性能稳定，拥有优异的整机输出性能。

在现如今，随着IT互联网信息技术的飞速发展和进步。目前大数据行业也越来越火爆，从而导致国内大数据人才也极度缺乏，下面IT培训介绍一下关于Hadoop环境中管理大数据存储技巧。

1、分布式存储

传统化集中式存储存在已有一段时间。但大数据并非真的适合集中式存储架构。Hadoop设计用于将计算更接近数据节点，同时采用了HDFS文件系统的大规模横向扩展功能。

虽然，通常解决Hadoop管理自身数据低效性的方案是将Hadoop数据存储在SAN上。但这也造成了它自身性能与规模的瓶颈。现在，如果你把所有的数据都通过集中式SAN处理器进行处理，与Hadoop的分布式和并行化特性相悖。你要么针对不同的数据节点管理多个SAN，要么将所有的数据节点都集中到一个SAN。

但Hadoop是一个分布式应用，就应该运行在分布式存储上，这样存储就保留了与Hadoop本身同样的灵活性，不过它也要求拥抱一个软件定义存储方案，并在商用服务器上运行，这相比瓶颈化的Hadoop自然更为高效。

2、超融合VS分布式

注意，不要混淆超融合与分布式。某些超融合方案是分布式存储，但通常这个术语意味着你的应用和存储都保存在同一计算节点上。这是在试图解决数据本地化的问题，但它会造成太多资源争用。这个Hadoop应用和存储平台会争用相同的内存和CPU。Hadoop运行在专有应用层，分布式存储运行在专有存储层这样会更好。之后，利用缓存和分层来解决数据本地化并补偿网络性能损失。

3、避免控制器瓶颈(ControllerChokePoint)

实现目标的一个重要方面就是——避免通过单个点例如一个传统控制器来处理数据。反之，要确保存储平台并行化，性能可以得到显着提升。

此外，这个方案提供了增量扩展性。为数据湖添加功能跟往里面扔x86服务器一样简单。一个分布式存储平台如有需要将自动添加功能并重新调整数据。

4、删重和压缩

掌握大数据的关键是删重和压缩技术。通常大数据集内会有70%到90%的数据简化。以PB容量计，能节约数万美元的磁盘成本。现代平台提供内联(对比后期处理)删重和压缩，大大降低了存储数据所需能力。

5、合并Hadoop发行版

很多大型企业拥有多个Hadoop发行版本。可能是开发者需要或是企业部门已经适应了不同版本。无论如何最终往往要对这些集群的维护与运营。一旦海量数据真正开始影响一家企业时，多个Hadoop发行版存储就会导致低效性。我们可以通过创建一个单一，可删重和压缩的数据湖获取数据效率

6、虚拟化Hadoop

虚拟化已经席卷企业级市场。很多地区超过80%的物理服务器现在是虚拟化的。但也仍有很多企业因为性能和数据本地化问题对虚拟化Hadoop避而不谈。

7、创建d性数据湖

创建数据湖并不容易，但大数据存储可能会有需求。我们有很多种方法来做这件事，但哪一种是正确的这个正确的架构应该是一个动态，d性的数据湖，可以以多种格式(架构化，非结构化，半结构化)存储所有资源的数据。更重要的是，它必须支持应用不在远程资源上而是在本地数据资源上执行。

分布式存储，分为文件存储，块存储和对象存储，是存储设备提供的不同类型的服务，适配不同的使用场景。
分布式是存储设备的部署方式，是部署在一台机器上，还是一个多台设备组成的集群中。软件定义这个概念比较宽泛，是指通过软件功能来实现曾经通过专用硬件完成的工作，也就是说，对于存储硬件已经没有要求了，用通用硬件+存储软件来实现将一台服务器，变成存储设备。其实无论是不是软件定义存储，其内部都运行着存储系统软件，把这个词单拿出来，就是更加强调其对于硬件的无要求。

---