Apache Ozone是一个强大的、分布式的键值对象存储，用于Hadoop，具有分层结构和强大的一致性。它提供了对象存储的语义（像Amazon S3），可以处理数十亿的对象。Apache Ozone对象存储最近实现了快速的原子重命名和删除操作，复杂度为O（1）。这种巨大的优化降低了工作延迟，等于降低了分析工作负载的总成本（TCO）。我们知道，大多数大数据分析工具，如Apache Hive、Apache Spark等，经常将输出写入临时位置，然后在作业结束时重命名该位置，使其成为公开可见的。在分析对象存储（如Amazon S3）时，重命名不是一个原生的对象存储操作，它是用一个昂贵的复制和删除操作来实现。重命名操作的时间往往比分析过程本身还要长。这些工作提交者需要原子重命名，以提高性能，以及一致的列表操作。本讲座将深入探讨Apache Ozone的架构，描述原子重命名和删除的实现，这大大提升了分析工作的性能。我们将通过性能基准测试结果，显示在各种分析工作负载中获得一致的性能提升。最后，我们还将谈论未来的路线图，以利用这种新的设计，通过避免全局锁来实现命名空间操作的高效锁管理。

讲师:

Rakesh Radhakrishnan: Rakesh Radhakrishnan是Apache Hadoop、Apache ZooKeeper、Apache BookKeeper项目的Committer和PMC，主要关注开源大数据技术。Rakesh目前在Cloudera工作，并在Apache Ozone项目中积极贡献。 他在大型分布式软件平台设计和开发方面有超过14年的经验。在加入Cloudera之前，他曾在英特尔公司担任大数据软件工程师。

Mukul Kumar Singh: Mukul目前在Cloudera工作，领导存储团队从事Apache Ozone和Apache HDFS的工作。他在存储系统和文件系统方面已经工作了12年，扮演过各种角色，包括开源贡献者、Apache PMC成员、研究员和软件开发人员。他还曾在Nimble Storage和NetApp工作，并分别负责WAFL和CASL文件系统。他毕业于卡内基梅隆大学，他的毕业论文是关于盛装磁记录磁盘的文件系统。