何为Sahara
The Sahara project provides a simple means to provision a Hadoop cluster on top of OpenStack
即基于OpenStack提供简单的Hadoop集群创建和管理方式。
Sahara提供的功能
* Hadoop cluster的创建
* Hadoop cluster的扩展
* 提供业务应用能力（Elastic Data Processing）
l 支持业务应用的类型包括mapreduce，java，hive，pig，streaming
l 在已存在的hadoop集群上直接执行用户的应用(job)。
l 新建一个hadoop集群执行用户的应用(job)，执行完成后自动销毁hadoop集群，释放资源。
Cluster模式
* 模板化配置
* Nodegroup template 和cluster template
* Nodegroup template：
l vm的配置参数(flavor,floating ip, volume)；
l process以及其配置参数，例如namenode，jobtracker和对应的hdfs，mapreduce参数
* Cluster template：
l node group参数，包括使用的node template及其个数
l hadoop cluster参数
* 以plugin的方式支持多种hadoop发行版及hadoop版本（vanilla，hdp，cloudera，mapR，spark）
* 支持vm的资源调度策略。（anti-affinity）
* 支持Transient Clusters
* 支持手动scale hadoop Clusters （支持datanode和tasktracker的scale）
* 支持direct和heat两种方式部署vm
* 支持Cinder
* 支持Neutron and Nova Network
* Security group management
* Multi region deployment
* Data-locality
* 使用方式
* 创建若干个Nodegroup template
* 创建cluster template
* 通过cluster template创建cluster
* Scale cluster
Swift和Hadoop的集成
Swift是OpenStack开源云计算项目的子项目之一，被称为对象存储，提供了强大的扩展性、冗余和持久性。
* 极高的数据持久性（Durability）。
* 完全对称的系统架构：“对称”意味着Swift中各节点可以完全对等，能极大地降低系统维护成本。
* 无限的可扩展性：一是数据存储容量无限可扩展；二是Swift性能（如QPS、吞吐量等）可线性提升。
* 无单点故障：Swift的元数据存储是完全均匀随机分布的，并且与对象文件存储一样，元数据也会存储多份。整个Swift集群中，也没有一个角色是单点的，并且在架构和设计上保证无单点业务是有效的。
* 简单、可依赖。
Swift和HDFS的技术差异
* 在Swift中，元数据呈分布式，跨集群复制。而在HDFS使用了中央系统来维护文件元数据（Namenode，名称节点），这对HDFS来说无异于单一故障点，因而扩展到规模非常大的环境显得更困难。
* Swift在设计时考虑到了多租户架构，而HDFS没有多租户架构这个概念。
* 在Swift中，文件可以写入多次；在并发操作环境下，以最近一次操作为准。而在HDFS中，文件写入一次，而且每次只能有一个文件写入。
* Swift用Python来编写，而HDFS用Java来编写。
* Swift被设计成了一种比较通用的存储解决方案，能够可靠地存储数量非常多的大小不一的文件；而HDFS被设计成可以存储数量中等的大文件（HDFS针对更庞大的文件作了优化），以支持数据处理。
* Hadoop目前已经支持Swift作为自身的分布式文件系统
* 使用url为swift://acontainer.aservice/path/to/files格式访问swift
* 代替hdfs，实现hadoop集群中计算资源和存储资源的分离，对于需要长期保留数据，而仅仅在需要时进行计算的场景非常有用。
Sahara的优势
* ? 提升Hadoop部署速度，简单方便
* ? hadoop参数的模板化定义，统一配置管理
* ? 提升Hadoop环境资源利用率
* ? 安全隔离让Hadoop落地更安全
* ? 实现Hadoop云端多租户
* ? 提供大数据的业务处理能力，简化业务人员的工作。