apachehadoop被设计成在一堆商品机器（节点）上运行。这不是为在基于云的复杂场景中运行而设计的。但是，由于云允许通过vms模拟单个节点，基于云的hadoop集群应运而生。但这给我带来了理解上的困难。当我研究hadoop集群的任何标准解释时，它总是在prem体系结构上，因为所有hadoop体系结构都是用逻辑和简单的prem视图来解释的。但这给理解基于云的集群如何工作带来了困难——尤其是hdfs、数据局部性等概念。在on prem版本的解释中，每个节点都有自己的“本地”存储（这也意味着存储硬件是为特定节点固定的，它不会被洗牌），而且也不会假设节点曾经被删除。此外，我们将该存储视为节点本身的一部分，因此我们从不考虑杀死节点并保留存储以供以后使用。
现在在基于云的hadoop（hdinsight）模型中，我们可以附加任何azure存储帐户作为集群的主存储。因此，假设我们有一个包含4个工作节点和2个头节点的集群，那么单个azure存储帐户将充当6个虚拟机的hdfs空间？再说一次，实际的业务数据甚至不存储在上面--而是存储在附加的存储帐户上。所以我无法理解这是如何在prem hadoop集群上转换的？hadoop集群的核心设计围绕着数据局部性的概念，即数据最接近于处理。我知道当我们创建hdinsight集群时，我们会在与所连接的存储帐户相同的区域中创建它。但它更像是多个处理单元（vm），它们都共享公共存储，而不是使用各自本地存储的单个节点。可能，只要它能够足够快地访问数据中心中的数据（就好像它驻留在本地一样），就不重要了。但不确定是不是这样。基于云的模型向我展示了以下图片：-

有人能解释一下apachehadoop设计是如何被转换成基于azure的模型的吗？这种混乱源于这样一个事实：存储帐户是固定的，我们可以随时终止/旋转集群，指向相同的存储帐户。