Sqoop应用文档 - MapReduce BMR_全托管Hadoop/Spark集群
说明 由于hive数据表的location为BOS，无法直接通过sqoop将RDS的数据导入hive，因为hive在加载数据时，会先将数据写入本地hdfs，然后将数据所在目录移动到hive表的location上。由于本地hdfs和BOS数据两个不同的文件系统，直接进行移动操作会抛出异常。因此，本场景需要“数据导入BOS”和“数据导入hive”两个步骤。
常见问题 - MapReduce BMR_全托管Hadoop/Spark集群
在ClickHouse中，主键索引可 以加速数据的查找和聚合操作。 特点：主键索引由稀疏索引和段内数据排序组成。数据写⼊时按照主键排序（如果指定了ORDER BY），每次插⼊新的数据块时，ClickHouse会在磁盘上⽣成新的稀疏索引。每个稀疏索引条⽬对应 ⼀个数据块中的⾸⾏，索引条⽬记录该块的⾸个主键值以及其在数据⽂件中的位置。 使⽤场景：适⽤于需要唯⼀标识记录的场景，如⽤户ID、订单号等。
基础使用 - MapReduce BMR_全托管Hadoop/Spark集群
如需使用 EDAP 统一元数据管理，请开通 EDAP 产品使用权限。 元数据管理 Trino支持有两种元数据管理方式，一种是使用 DEFAULT 元数据管理，一种是使用 EDAP 元数据管理。
节点类型说明 - MapReduce BMR_全托管Hadoop/Spark集群
Core节点：为计算及数据存储节点，部署 DataNode、NodeManager、RegionServer 等进程。并且HDFS 中的数据和计算过程中的中间结果日志数据全部存储于 Core 节点中；采用存算分离架构下的计算中间结果数据也会存放在core节点中；为了数据安全，暂不支持对core节点的缩容操作。
产品简介 - MapReduce BMR_全托管Hadoop/Spark集群
无缝迁移与生态兼容：兼容 BMR on BCC 的作业与配置，便于用户平滑过渡到云原生大数据架构。 组件介绍 Spark：基于内存计算的分布式数据处理引擎，支持批处理、流计算、SQL 查询及机器学习，具备高性能与高扩展性。 Flink：面向流批一体的大数据计算引擎，擅长低延迟、高吞吐的实时计算与复杂事件处理。
安全性问题 - MapReduce BMR_全托管Hadoop/Spark集群
安全性问题 用户的数据安全性如何？ BOS提供多种访问控制机制，如签名验证机制、访问控制列表等，确保用户存储数据的安全性以防止未被授权进行访问。其中签名验证机制是通过对URL进行签名来识别访问者的身份，从而实现用户身份验证。其中访问控制列表是对Bucket的管理和校验。 在集群运行过程中，用户的数据保密性如何？
按需计费 - MapReduce BMR_全托管Hadoop/Spark集群
说明 通用型是cpu核数与内存比例为1:4的套餐，数据盘挂载的是CDS云磁盘，适用于大多数场景。 计算型是cpu核数与内存比例为1:2的套餐，数据盘挂载的是CDS云磁盘，适用于计算密集型场景。 内存型是cpu核数与内存比例为1:8的套餐，数据盘挂载的是CDS云磁盘，适用于计算结果需要缓存在内存中的业务场景。 本地SSD型的数据盘挂载的是本地SSD磁盘，适合频繁数据读写的场景。
SQL转储 - MapReduce BMR_全托管Hadoop/Spark集群
一种方法是使用SQL转储在其他数据库和ClickHouse之间传输数据。 创建SQL转储 可以使用SQLInsert以 SQL格式转储数据。ClickHouse将在 INSERT INTO <table name> VALUES(...
ranger概述 - MapReduce BMR_全托管Hadoop/Spark集群
Ranger KMS（密钥管理服务）：用于管理和保护数据加密的密钥。通过 Ranger KMS，管理员可以控制数据加密和解密的权限，并对加密操作进行集中管理和审计。
产品优势 - MapReduce BMR_全托管Hadoop/Spark集群
高性能：利用云原生架构和统一调度引擎，实现作业的高效分发与并行计算，显著提升大数据处理性能。
