大数据平台和容器云平台如何取长补短，发挥出1+1>2的优势？

其实提到取长补短，首先要知道各自的特点以及应用场景。大数据平台的能力是对海量数据提取分析，辅助企业制定决策。我们这里拿广义上的hadoop生态来举例，使用yarn作为核心组件来进行资源管理和调度。这种框架普遍的问题就是：
1.资源弹性不足，无法按需自动扩缩容，根据公司的业务场景存在明显的周期性资源使用高峰。
2.资源利用率低，业务低峰大量资源闲置。
3.资源隔离性差，跑多个大数据任务的时候存在资源抢占的问题。
4.系统管理困难，迁移困难。缺少统一的管理接口，例如路由管理，网络管理，磁盘管理等能力。
5.管理方式不统一，大数据业务和主业务需要分别管理。人力成本需求大，那么容器云平台如何根据自身特点来解决大数据平台的问题，发挥出1+1>2的能力优势呢？还得根据问题来看
1.首先对于资源弹性问题，容器云平台可以通过弹性扩缩来应对业务高峰时期的压力场景。
2.资源利用率低的问题，像容器平台支持三级配额管理这样可以尽量做到资源能够按需使用，灵活调度。
3.资源隔离性问题，容器这个技术在设计之初就是支持不同资源的隔离。
4.系统管理困难问题，容器云平台不仅具有容器生命周期的管理能力，同时还提供路由管理，网络管理，监控日志告警等能力。
5.如果主业务和大数据业务都容器化之后上到容器平台，那么就可以通过容器平台进行统一的管理，可实现上述所有功能。