近日，ucloud uhadoop 通过提供独立的hdfs存储集群、独立的hive元数据管理和独立的计算集群，实现了兼顾灵活性与稳定性的存储计算分离架构，帮助用户更好的提升资源利用率，增加大数据业务部署的灵活性，同时降低运营成本。
众所周知，为了让大规模分布式数据处理系统能发挥更好的性能，传统的hadoop架构是将计算节点和数据节点连在一起的。但随着业务数据量爆发式增长以及企业对数据价值的不断重视，数据存储规模和数据计算需求经常是无法保持线性增长，计算和存储这两者之间随之产生了“木桶效应”，极易造成资源的浪费，而用户开始越来越关注数据存储成本及计算成本的问题。
这时，计算与存储资源的分离解耦，成为了一个非常合理的选择。ucloud uhadoop带来的计算与存储的分离，完全消除了计算与存储之间的“木桶效应”，在资源隔离、计算管理和存储管理三个方面具有极大优势，同时为业务创新、技术架构升级提供了更多的灵活性和可能性。
1. 不同业务计算资源的物理隔离，保障业务稳定
传统模式下，用户是通过配置资源队列，来为不同业务分配计算资源，但这种方式实际上只能做到逻辑隔离，无法真正实现计算资源的物理隔离，不可避免会发生计算集群抢占资源的情况，业务与业务之间相互影响，导致业务状态的不稳定。ucloud uhadoop 可以帮助用户将不同业务拆分到不同计算集群上，实现计算资源的物理隔离，避免资源抢占、相互影响，从而保障业务持续稳定。
如离线业务与实时业务的隔离业务场景，用户可以借助ucloud uhadoop将离线计算与实时计算 拆分成两个计算集群，然后访问独立的hdfs存储集群，有效隔离计算资源，保障业务的稳定。
2. 弹性管理计算资源，成本最优化
传统资源配置下，计算资源调度水平受限于单台机器的存储容量。ucloud uhadoop实现了存储与计算分离之后，用户可根据业务需要，单独增加计算节点，计算任务完成即可释放计算资源，无需担心临时的大规模扩容带来的成本飙升，更不用再进行跨集群数据拷贝操作，有效降低了管理集群的人力成本和服务器成本。
与此同时，若计算集群有故障或是计算集群框架升级，也不会直接影响独立的hdfs集群中的数据，更好的保障了数据安全，同时也可缩短故障排查流程，降低集群运维成本。
3. hdfs存储集群可单独使用，更好满足再分析需求
ucloud uhadoop提供独立的hdfs存储集群，用户可以单独使用存储资源构建存储集群，将历史数据或者原始数据压缩后进行归档存储，当有数据分析的需求时，不需要进行数据迁移，即可完成数据分析任务，使用简单、成本还低。
除了以上三个方面， ucloud uhadoop实现的存储计算彻底分离，还可以让多个不同版本hadoop集群，分析底层同一份hdfs存储集群中的数据，满足了数据一致性要求，及历史原因导致的多版本hadoop集群共存问题。为优化集群整体成本，ucloud uhadoop 更是针对存储计算分离场景推出了存储更大、价格更低的机型，可根据不同数据量规模选择不同节点机型，帮助用户更好的降低成本。