Apache Hadoop版本详解

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apachehadoop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 hadoopapache版本衍化

截至目前（2012年12月23日），apachehadoop版本分为两代，我们将第一代hadoop称为hadoop 1.0，第二代hadoop称为hadoop2.0。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namenodeha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hadoop1.0，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namenodeha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）securityhadoop安全，具体可参考：https://issues.apache.org/jira/browse/hadoop-4487

（5）namenodeha具体可参考：https://issues.apache.org/jira/browse/hdfs-1064

（6）hdfsfederation和yarn

需要注意的是，hadoop2.0主要由yahoo独立出来的hortonworks公司主持开发。

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：，可直接导到eclipse中。

2.cloudera hadoopcdh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（clouderadistributionhadoop）。截至目前为止，cdh共有4个版本，其中，前两个已经不再更新，最近的两个，分别是cdh3（在apache hadoop0.20.2版本基础上演化而来的）和cdh4在apache hadoop2.0.0版本基础上演化而来的），分别对应apache的hadoop 1.0和hadoop2.0，它们每隔一段时间便会更新一次。

cloudera以patch level划分小版本，比如patch level为923.142表示在原生态apache hadoop0.20.2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hadoopjira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，patchlevel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。

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：hadoop1.0和hadoop 2.0，其中，hadoop1.0由一个分布式文件系统hdfs和一个离线计算框架mapreduce组成，而hadoop2.0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hadoop1.0，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hadoop2.0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hadoop1.0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hadoop1.0.4和cdh3u4，因此，你可以从中任选一个使用。

总结

以上所述是小编给大家介绍的apache hadoop版本详解，希望对大家有所帮助