多台服务器部署Smartbi及其组件，参考部署方案如下：

1、服务器推荐配置

IP地址主机名CPU内存硬盘网络备注
x.x.x.xxx-116核+32G+部署目录500G+千兆网络+

主机名可自定义，建议服务器主机名不要相同；

推荐服务器单独一个盘符用于部署smartbi及其组件。

2、部署方案参考

Smartbi及其组件可分为两大部分：

  • 第一部分：Smartbi，知识库，高速缓存库，跨库联合查询，导出引擎，Redis

           其中可以根据服务器资源消耗再细分成两部分：

           ①Smartbi、知识库、导出引擎、Redis

           ②高速缓存库、跨库联合查询

  • 第二部分：数据挖掘模块(包含数据挖掘实验引擎、服务引擎、Spark、Hadoop、Python计算节点)

           数据挖掘引擎可根据服务器资源消耗细分为两部分：

           ①实验引擎、服务引擎、Hadoop

           ②Spark、Python计算节点

部署方案并非一成不变，可以根据服务器数量和产品功能使用的侧重点来灵活的分配服务器资源。

以下几个部署方案可提供参考：

1.部署Smartbi，不部署数据挖掘

背景：两台服务器，部署除数据挖掘引擎外的所有Smartbi组件(不部署集群)。

部署规划：

服务器部署组件
服务器一Smartbi，知识库，导出引擎，Redis
服务器二高速缓存库，跨库联合查询


高速缓存库和跨库联合查询部署消耗资源较多，可以将两个服务部署在一台服务器中。

如果需要部署smartbi集群，服务器二再部署一个smartbi节点，并部署一个Proxy代理即可。

2.部署Smartbi和数据挖掘

背景：两台服务器，部署所有的Smartbi组件，并且经常使用数据挖掘模块。

部署规划：

服务器部署组件
服务器一Smartbi，知识库，高速缓存库，跨库联合查询，导出引擎，Redis
服务器二数据挖掘模块


数据挖掘引擎在使用过程消耗资源较多，单独部署在一个服务器中。

如果需要部署smartbi集群，服务器二再部署一个smartbi节点，并部署一个Proxy代理即可。

3.部署Smartbi和数据挖掘

背景：三台服务器，部署所有的Smartbi组件，并且客户习惯使用Python脚本执行数据挖掘任务。

部署规划：

服务器部署组件
服务器一Smartbi，知识库，高速缓存库，跨库联合查询，导出引擎，Redis
服务器二数据挖掘实验引擎，服务引擎，Hadoop，Spark
服务器三Python计算节点


客户习惯使用Python脚本执行数据挖掘任务，则可以将Python计算节点单独部署在一台服务器中。

如果客户更习惯使用数据挖掘中自带的模块执行数据挖掘任务，则可以将Spark单独部署在一台服务器中。

如果需要部署smartbi集群，在其他服务器部署smartbi节点，并部署一个Proxy代理即可。


参考以上三个部署方案，再根据不同的需求和不同的服务器资源灵活的进行服务器的部署规划。