容器云如何应用于大数据平台内部？是否能满足大数据平台的大容量高IO、资源消耗大的特性？

容器云和大数据有着各自不同的适用场景，大数据技术主要用于处理5V（Volume, Variety，Value，Velocity，Veracity）特征的数据，容器云提供了高效的资源管理能力。随着容器编排技术的日渐成熟，使两者架构融合，充分发挥各自优势，取长补短成为了可能。

目前来看，容器云与大数据的结合主要是以下两个方面：

1、 大数据基础服务容器化

大数据平台基本都是基于Hadoop生态，主要存在资源利用率低、隔离差、弹性不足、管理困难等问题。容器云的自动资源管理，安全隔离等特点可以很好地解决大数据这些弊端，虽然大数据组件众多，包括文件存储系统，计算框架，消息处理，查询分析等，但是现在一般都有对应的开源项目来支持它们部署到Kubernetes上。而针对于大容量、高IO、资源消耗大等特点，在容器平台如红帽OpenShift中，可以通过CPU、内存资源限定、隔离、物理节点亲和等方式来满足要求。此外，红帽还与很多生态伙伴如英伟达、路坦力等有着密切的合作，比如对GPU使用要求高的机器学习场景可以做到非常精确的分配和控制GPU线程。

2、 PaaS能力容器化

数据PaaS，也可以称为数据中台，是在大数据基础服务之上搭建的数据服务平台，提供了包括数据集成、中间件、各种数据库服务、深度学习等等数据处理和应用相关的能力，支撑了大数据的各种使用场景。在这一部分，很多工具都有相应的容器版本或部署方法。红帽OpenShift内置的Operator Hub也和众多原厂和社区合作提供了绝大多数工具的官方镜像，并提供官方支持，部署简便，融合了最佳实践经验等等，为搭建大数据PaaS提供了便捷可靠的途径。