继《零起点部署大数据虚拟化》系列教程之后，本着“知其然，亦知其所以然”的原则，本系列走进大数据虚拟化的内部，分上下两篇博文，帮助读者了解vSphere Big Data Extensions（以下简称BDE）的部署架构和系统架构，理解部署原理和内部构成，以及各自的作用。希望对您有所帮助，也欢迎您留言评价。
上： Serengeti虚拟化应用
下： Serengeti管理服务器的系统架构（即本文）
Serengeti管理服务器的系统架构
Serengeti管理服务器包括几个重要的模块：Serengeti Web Service，Ironfan Service，Chef Server，Package Repository和vHadoop Runtime Manager。这里会简单介绍各个模块的功能。
Serengeti管理服务器的系统架构图
Serengeti Web Service
Serengeti Web Service是Serengeti的工作流控制中心，提供对外的RESTAPI，外部客户端可以通过REST API访问所有Serengeti提供的功能。
这是一个运行在Tomcat之上的Web Service，大量使用了SpringFramework提供的各种功能，包括使用Spring Batch进行Workflow的控制，Spring Security保证用户安全性，Spring MVC提供REST API，以及集成Hibernate进行内部数据的管理。
Web Service同时集成了vCenter Extension的注册和管理。在Serengeti部署完成之后，注册成为vCenter的扩展服务器。负责和VC的通讯，VC 会话的管理，虚拟机的创建，配置和管理。
在Web Service中，一个重要的功能就是虚拟机的分布计算（Virtual Machine Placement）。
在虚拟化环境之下，用户提出的请求通常都是创建多少个node，可用的资源有哪些，比如那些主机（host），那些存储（datastore）可以使用。那么在这些要求之下，我们面对的一个问题抽象来说，就是在n个host之上，创建m个VM，每个VM的硬盘，网络有一定的要求。
在这个命题之下，Serengeti为了满足hadoop对资源使用的特殊要求，开发了一些通用的分布算法。比如典型的应用是在可用host之上平均分布。这样就保证Hadoop的节点不会分布在同一台host之上，为数据的可靠性提供了基础。
为了满足数据和计算能力的分离，Serengeti还提供了节点关联的策略。具体来说就是在每台host之上，同时放置m个节点，其中k个是存放数据的节点，j个是进行计算的节点。并且满足k+j=m的条件。
之后的文章中会详细介绍Serengeti支持的VM placement算法，以及适合的应用场景，在此不做详细讨论。
Chef Service
Chef是当前流行的分布式软件配置管理工具，在数据中心管理运维中广泛使用。例如Facebook和Amazon都是Chef的用户。Serengeti在虚拟机创建完成之后，使用Chef的脚本进行hadoop软件的安装和管理。
Serengeti包含一系列Chef脚本，支持多个hadoop发行版的安装和配置，包括Hadoop1.x，Hadoop2.x，和HBase。这些脚本都预先安装在Chef Server之上。
Chef Client组件预先安装在Serengeti创建的虚拟机之中。当虚拟机创建完成之后，Chef Client将会从Chef Server下载并运行相应的脚本，真正完成Hadoop的安装和配置工作。