Hadoop版本说明

发布于:2021-07-20 04:27:16

Hadoop版本说明


最*想研究一下hadoop,增加自己的知识点,但是从官网准备下载时却发现,版本太多了,而且从版本号上面完全看不出因果关联。由于Hadoop版本混乱多变,因此,Hadoop的版本选择问题一直令很多初级用户苦恼。本文总结了Apache Hadoop和Cloudera Hadoop的版本衍化过程,并给出了选择Hadoop版本的一些建议。


1. Apache Hadoop


1.1? Apache版本衍化


截至目前(2012年12月23日),Apache Hadoop版本分为两代,我们将第一代Hadoop称为Hadoop 1.0,第二代Hadoop称为Hadoop 2.0。第一代Hadoop包含三个大版本,分别是0.20.x,0.21.x和0.22.x,其中,0.20.x最后演化成1.0.x,变成了稳定版,而0.21.x和0.22.x则NameNode HA等新的重大特性。第二代Hadoop包含两个版本,分别是0.23.x和2.x,它们完全不同于Hadoop 1.0,是一套全新的架构,均包含HDFS Federation和YARN两个系统,相比于0.23.x,2.x增加了NameNode HA和Wire-compatibility两个重大特性。


经过上面的大体解释,大家可能明白了Hadoop以重大特性区分各个版本的,总结起来,用于区分Hadoop版本的特性有以下几个:


(1)Append 支持文件追加功能,如果想使用HBase,需要这个特性。


(2)RAID 在保证数据可靠的前提下,通过引入校验码较少数据块数目。详细链接:


https://issues.apache.org/jira/browse/HDFS/component/12313080


(3)Symlink 支持HDFS文件链接,具体可参考https://issues.apache.org/jira/browse/HDFS-245


(4)Security Hadoop安全,具体可参考:https://issues.apache.org/jira/browse/HADOOP-4487


(5) NameNode HA 具体可参考:https://issues.apache.org/jira/browse/HDFS-1064


(6) HDFS Federation和YARN


需要注意的是,Hadoop 2.0主要由Yahoo独立出来的hortonworks公司主持开发。


1.2? Apache版本下载


(1) 各版本说明:http://hadoop.apache.org/releases.html。


(2) 下载稳定版:找到一个镜像,下载stable文件夹下的版本。


(3) Hadoop最全版本:http://svn.apache.org/repos/asf/hadoop/common/branches/,可直接导到eclipse中。


2. Cloudera Hadoop


2.1? CDH版本衍化


Apache当前的版本管理是比较混乱的,各种版本层出不穷,让很多初学者不知所措,相比之下,Cloudera公司的Hadoop版本管理的要很多。


我们知道,Hadoop遵从Apache开源协议,用户可以免费地任意使用和修改Hadoop,也正因此,市面上出现了很多Hadoop版本,其中比较出名的一是Cloudera公司的发行版,我们将该版本称为CDH(Cloudera Distribution Hadoop)。截至目前为止,CDH共有5个版本,其中,前两个已经不再更新,CDH3(在Apache Hadoop 0.20.2版本基础上演化而来的)和CDH4在Apache Hadoop 2.0.0版本基础上演化而来的),分别对应Apache的Hadoop 1.0和Hadoop 2.0,它们每隔一段时间便会更新一次。Cloudera公司最新发布的CDH5(基于apache hadoop 2.2.0下载地址为:CDH5-beta-1下载)中,自带了YARN HA实现,尽管该版本目前为beta版,但考虑到该方案采用了Hadoop 2.0中自带的HA框架实现(HDFS HA和MapReduce HA均采用该框架实现),因此,具有一定通用性。


Cloudera以patch level划分小版本,比如patch level为923.142表示在原生态Apache Hadoop 0.20.2基础上添加了1065个patch(这些patch是各个公司或者个人贡献的,在Hadoop jira上均有记录),其中923个是最后一个beta版本添加的patch,而142个是稳定版发行后新添加的patch。由此可见,patch level越高,功能越完备且解决的bug越多。


Cloudera版本层次更加清晰,且它提供了适用于各种操作系统的Hadoop安装包,可直接使用apt-get或者yum命令进行安装,更加省事。


2.2 CDH版本下载


(1) 版本含义介绍:


https://ccp.cloudera.com/display/DOC/CDH+Version+and+Packaging+Information


(2)各版本特性查看:


https://ccp.cloudera.com/display/DOC/CDH+Packaging+Information+for+Previous+Releases


(3)各版本下载:


CDH3:http://archive.cloudera.com/cdh/3/


CDH4:http://archive.cloudera.com/cdh4/cdh/4/


注意,Hadoop压缩包在这两个链接中的最上层目录中,不在某个文件夹里,很多人进到链接还找不到安装包!


3. 如何选择Hadoop版本


当前Hadoop版本比较混乱,让很多用户不知所措。实际上,当前Hadoop只有两个版本:Hadoop 1.0和Hadoop 2.0,其中,Hadoop 1.0由一个分布式文件系统HDFS和一个离线计算框架MapReduce组成,而Hadoop 2.0则包含一个支持NameNode横向扩展的HDFS,一个资源管理系统YARN和一个运行在YARN上的离线计算框架MapReduce。相比于Hadoop 1.0,Hadoop 2.0功能更加强大,且具有更好的扩展性、性能,并支持多种计算框架。


当我们决定是否采用某个软件用于开源环境时,通常需要考虑以下几个因素:


(1)是否为开源软件,即是否免费。


(2) 是否有稳定版,这个一般软件官方网站会给出说明。


(3) 是否经实践验证,这个可通过检查是否有一些大点的公司已经在生产环境中使用知道。


(4) 是否有强大的社区支持,当出现一个问题时,能够通过社区、论坛等网络资源快速获取解决方法。


考虑到以上几个因素,我们分析一下开源软件Hadoop。对于Hadoop 2.0而言,目前尚不稳定,无法用于生产环境,因此,如果当前你正准备使用Hadoop,那么只能从Hadoop 1.0中选择一个版本,而目截至目前(2012年12月23日),Apache和Cloudera最新的稳定版分别是Hadoop 1.0.4和CDH3U4,因此,你可以从中任选一个使用。如今Hadoop 2.0已经发布了最新的稳定版2.2.0,推荐使用该版本,具体介绍可阅读:“Hadoop 2.0稳定版本2.2.0新特性剖析”,升级方法可参考:“Hadoop升级方案(二):从Hadoop 1.0升级到2.0(1)”。转载自董的博客。


?




转载于:https://my.oschina.net/sittc7/blog/330146

相关推荐

最新更新

猜你喜欢