SQL Server 大数据群集 中的存储池简介
适用范围：
SQL Server 2019 (15.x)
本文介绍 SQL Server 大数据群集中 SQL Server 存储池的作用。 以下部分介绍存储池的体系结构和功能。
重要
Microsoft SQL Server 2019 大数据群集附加产品将停用。 对 SQL Server 2019 大数据群集的支持将于 2025 年 2 月 28 日结束。 具有软件保障的 SQL Server 2019 的所有现有用户都将在平台上获得完全支持，在此之前，该软件将继续通过 SQL Server 累积更新进行维护。 有关详细信息，请参阅公告博客文章和 Microsoft SQL Server 平台上的大数据选项。
存储池体系结构
存储池是 SQL Server 大数据群集中的本地 HDFS (Hadoop) 群集。 它为非结构化的和半结构化的数据提供永久性存储。 数据文件（如 Parquet 或带分隔符的文本）可以存储在存储池中。 为了实现永久性存储，池中的每个 Pod 都连接了一个永久性卷。 可通过以下方式访问存储池文件：通过 SQL Server 借助 PolyBase 访问或直接使用 Apache Knox 网关访问。
经典 HDFS 安装程序由一组附加了存储的商用硬件计算机组成。 为了实现容错和利用并行处理，数据以块的形式分散在各个节点上。 群集中的一个节点充当名称节点，并包含该数据节点中各文件的元数据信息。
存储池由作为 HDFS 群集成员的存储节点组成。 它运行一个或多个 Kubernetes pod，每个 pod 托管以下容器：
- 链接到永久性卷（存储）的 Hadoop 容器。 所有此类型的容器一起构成了 Hadoop 群集。 Hadoop 容器中的 YARN 节点管理器进程可创建按需 Apache Spark 工作进程。 Spark 头节点托管 Hive元存储、Spark 历史记录和 YARN 作业历史记录容器。
- 使用 OpenRowSet 技术从 HDFS 读取数据的 SQL Server 实例。
- 用于收集指标数据的
collectd。 - 用于收集日志数据的
fluentbit。
职责
存储节点负责：
- 通过 Apache Spark 进行数据引入。
- HDFS 中的数据存储（Parquet 和带分隔符的文本格式）。 HDFS 还提供数据持久性，因为 HDFS 数据分散到 SQL BDC 中的所有存储节点上。
- 通过 HDFS 和 SQL Server 终结点进行数据访问。
访问数据
访问存储池中的数据的主要方法包括：
- Spark 作业。
- 利用 SQL Server 外部表，从而允许使用 PolyBase 计算节点和在 HDFS 节点中运行的 SQL Server 实例来查询数据。
你也可以使用以下各项与 HDFS 交互：
- Azure Data Studio。
- Azure Data CLI (
azdata)。 - kubectl，用于向 Hadoop 容器发出命令。
- HDFS http 网关。
后续步骤
若要了解有关 SQL Server 大数据群集 的详细信息，请参阅以下资源：