hadoop 可以两个集群之间做到每个节点之间一一对应实时同步么？

[zpole]

有 a,b 两个集群。 a 接收流数据，然后每个节点都同步到 b 。

a 的 1 节点新收的流同步到 b 的 1 ， a 的 2 到 b 的 2 。。。依次类推

然后a,b各自的修改也要能互相同步。

就是说保证 a ， b 的完全一致。

每秒几亿条。延迟秒级。

[czheo]

@zpole 你描述的双数据中心，技术难点在于 hadoop 集群的 replicate 和 sync ， ls 已经有人有人给出 reair 这个轮子了，技术比较新，你调研下这个轮子的可行性。但是 airbnb 只做了单向的 replicate 和 sync ，和你描述的类似 circular replication 还是要再看看能不能像 mysql 一样手动回避 conflict 。

[ten789]

到底是异地容灾还是本地互备呢 异地的不会搞 本地的完全不需要 每一个数据块都分布在 n 个 datanode 上 而且 namenode 你可以再搞 m 个从

[zpole]

@ten789 是我没解释清楚。异地双活互备。

[ooonme]

hdfs 本身是分布式 高容灾的，也支持机架感知。问题是你这是异地 ， io 累死，况且异地灾备 是机房做的吧，业务还需要干预？这块不是很懂；谷歌的论文中提到他们的 GFS 支持多数据中心； but 一切大数据速度的基础是 数据不动代码动；数据跑到代码所在的机器成本得多高，几十 mb 的代码跑到数据所在的机器执行就容易多了。 v2 做大数据的人好少

[ooonme]

@zpole hdfs 已经支持 ha ，放心吧。这些问题都已经被大公司解决了

[ten789]

@zpole 如果不存在 a b 之间的同步 数据源 直接发两份呗 如果 ab 之间的同步 这个难了

[ClassicOldSong]

@zpole 说点题外话，刚刚补完石头门，然后看到了这个帖子标题里“实时”二字突然有一种奇异的感觉，点进来一看你的头像又是红莉栖。。。难道这真的是石头门的选择么 2333333333333333

[zpole]

@ClassicOldSong 这一切都是 Steins;Gate 的选择

[logo1907]

可以尝试 Kafka mirror maker，点对点同步的需求需要用 kafka low level 的 consumer 接口自己实现