Hadoop 3.0新特性預覽

點擊hadoop123關注我喲

☀ 最知名的hadoop/spark大數據技術分享基地，分享hadoop/spark技術內幕，hadoop/spark最新技術進展，hadoop/spark行業技術應用，發布hadoop/spark相關職位和求職信息，hadoop/spark技術交流聚會、講座以及會議等。

1. Hadoop 3.0簡介

Hadoop 2.0是基於JDK 1.7開發的，而JDK 1.7在2015年4月已停止更新，這直接迫使Hadoop社區基於JDK 1.8重新發布一個新的Hadoop版本，而這正是hadoop 3.0。

Hadoop 3.0的alpha版預計今年夏天發布，GA版本11月或12月發布。

Hadoop 3.0中引入了一些重要的功能和優化，包括HDFS 可擦除編碼、多Namenode支持、MR Native Task優化、YARN基於cgroup的記憶體和磁盤IO隔離、YARN container resizing等。

2. Hadoop 3.0新特性

Hadoop 3.0在功能和性能方面，對hadoop內核進行了多項重大改進，主要包括：

2.1 Hadoop Common

（1）精簡Hadoop內核，包括剔除過期的API和做到，將默認組件做到替換成最高效的做到（比如將FileOutputCommitter缺省做到換為v2版本，廢除hftp轉由webhdfs替代，移除Hadoop子做到序列化庫org.apache.hadoop.Records

（2）Classpath isolation以防止不同版本jar包衝突，比如google Guava在混合使用Hadoop、HBase和Spark時，很容易產生衝突。（https://issues.apache.org/jira/browse/HADOOP-11656）
（3）Shell腳本重構。 Hadoop 3.0對Hadoop的管理腳本進行了重構，修復了大量bug，增加了新特性，支持動態命令等。https://issues.apache.org/jira/browse/HADOOP-9902

2.2 Hadoop HDFS

（1）HDFS支持數據的擦除編碼，這使得HDFS在不降低可靠性的前提下，節省一半存儲空間。（https://issues.apache.org/jira/browse/HDFS-7285）
（2）多NameNode支持，即支持一個集群中，一個active、多個standby namenode部署方式。註：多ResourceManager特性在hadoop 2.0中已經支持。（https://issues.apache.org/jira/browse/HDFS-6440）

2.3 Hadoop MapReduce

（1）Tasknative優化。為MapReduce增加了C/C++的map output collector做到（包括Spill，Sort和IFile等），通過作業級別參數調整就可切換到該做到上。對於shuffle密集型應用，其性能可提高約30%。（https://issues.apache.org/jira/browse/MAPREDUCE-2841）
（2）MapReduce記憶體參數自動推斷。在Hadoop 2.0中，為MapReduce作業設置記憶體參數非常繁瑣，涉及到兩個參數：mapreduce.{map,reduce}.memory.mb和mapreduce.{map,reduce}.java.opts，一旦設置不合理，則會使得記憶體資源浪費嚴重，比如將前者設置為4096MB，但後者卻是「-Xmx2g」，則剩餘2g實際上無法讓java heap使用到。（https://issues.apache.org/jira/browse/MAPREDUCE-5785）

2.4 Hadoop YARN

（1）基於cgroup的記憶體隔離和IO Disk隔離（https://issues.apache.org/jira/browse/YARN-2619）
（2）用curator做到RM leader選舉（https://issues.apache.org/jira/browse/YARN-4438）
（3）containerresizing（https://issues.apache.org/jira/browse/YARN-1197）
（4）Timelineserver next generation （https://issues.apache.org/jira/browse/YARN-2928）

3.   Hadoop3.0總結

Hadoop 3.0的alpha版預計今年夏天發布，GA版本11月或12月發布。

Hadoop 3.0中引入了一些重要的功能和優化，包括HDFS 可擦除編碼、多Namenode支持、MR Native Task優化、YARN基於cgroup的記憶體和磁盤IO隔離、YARN container resizing等。

閱讀原文

微信號：hadoop-123