Hadoop 2.x与3.x 22点比较,Hadoop 3.x比2.x的改进

问题导读
1.hadoop3.x通过什么方式来容错？
2.hadoop3.x存储开销减少了多少？
3.hadoop3.x mr api是否兼容hadoop1.x？

一、目的

在这篇文章中，我们将讨论hadoop 2.x与hadoop 3.x之间的比较。 hadoop3版本中添加了哪些新功能，hadoop3中兼容的hadoop 2程序，hadoop 2和hadoop 3有什么区别？

二、hadoop 2.x与hadoop 3.x比较

本节将讲述hadoop 2.x与hadoop 3.x之间的22个差异。 现在让我们逐一讨论

2.1license

hadoop 2.x - apache 2.0，开源
hadoop 3.x - apache 2.0，开源

2.2支持的最低java版本

hadoop 2.x - java的最低支持版本是java 7
hadoop 3.x - java的最低支持版本是java 8

2.3容错

hadoop 2.x - 可以通过复制（浪费空间）来处理容错。
hadoop 3.x - 可以通过erasure编码处理容错。

2.4数据平衡

hadoop 2.x - 对于数据平衡使用hdfs平衡器。
hadoop 3.x - 对于数据平衡使用intra-data节点平衡器，该平衡器通过hdfs磁盘平衡器cli调用。

2.5存储scheme

hadoop 2.x - 使用3x副本scheme
hadoop 3.x - 支持hdfs中的擦除编码。

2.6存储开销

hadoop 2.x - hdfs在存储空间中有200％的开销。
hadoop 3.x - 存储开销仅为50％。

2.7存储开销示例

hadoop 2.x - 如果有6个块，那么由于副本方案（scheme），将有18个块占用空间。
hadoop 3.x - 如果有6个块，那么空间9个块，中6块空间，3块用于奇偶校验。

2.8yarn时间线服务

hadoop 2.x - 使用具有可伸缩性问题的旧时间轴服务。
hadoop 3.x - 改进时间线服务v2并提高时间线服务的可扩展性和可靠性。

2.9默认端口范围

hadoop 2.x - 在hadoop 2.0中，一些默认端口是linux临时端口范围。所以在启动时，他们将无法绑定。
hadoop 3.x - 但是在hadoop 3.0中，这些端口已经移出了短暂的范围。

2.10工具

hadoop 2.x - 使用hive，pig，tez，hama，giraph和其他hadoop工具。
hadoop 3.x - 可以使用hive，pig，tez，hama，giraph和其他hadoop工具。

2.11兼容的文件系统

hadoop 2.x - hdfs（默认fs），ftp文件系统：它将所有数据存储在可远程访问的ftp服务器上。 amazon s3（简单存储服务）文件系统windows azure存储blob（wasb）文件系统。
hadoop 3.x - 它支持所有前面以及microsoft azure data lake文件系统。

2.12datanode资源

hadoop 2.x - datanode资源不专用于mapreduce，我们可以将它用于其他应用程序。
hadoop 3.x - 此处数据节点资源也可用于其他应用程序。

2.13mr api兼容性

hadoop 2.x - 与hadoop 1.x程序兼容的mr api，可在hadoop 2.x上执行
hadoop 3.x - 此处，mr api与运行hadoop 1.x程序兼容，以便在hadoop 3.x上执行

2.14支持microsoft windows

hadoop 2.x - 它可以部署在windows上。
hadoop 3.x - 它也支持windows。

2.15插槽/容器

hadoop 2.x - hadoop 1适用于插槽的概念，但hadoop 2.x适用于容器的概念。通过容器，我们可以运行通用任务。
hadoop 3.x - 它也适用于容器的概念。

2.16单点故障

hadoop 2.x - 具有spof的功能，因此只要namenode失败，它就会自动恢复。
hadoop 3.x - 具有spof的功能，因此只要namenode失败，它就会自动恢复，无需人工干预就可以克服它。

2.17hdfs联盟

hadoop 2.x - 在hadoop 1.0中，只有一个namenode来管理所有namespace，但在hadoop 2.0中，多个namenode用于多个namespace。
hadoop 3.x - hadoop 3.x还有多个名称空间用于多个名称空间。

2.18可扩展性

hadoop 2.x - 我们可以扩展到每个群集10,000个节点。
hadoop 3.x - 更好的可扩展性。 我们可以为每个群集扩展超过10,000个节点。

2.19更快地访问数据

hadoop 2.x - 由于数据节点缓存，我们可以快速访问数据。
hadoop 3.x - 这里也通过datanode缓存我们可以快速访问数据。

2.20hdfs快照

hadoop 2.x - hadoop 2增加了对快照的支持。 它为用户错误提供灾难恢复和保护。
hadoop 3.x - hadoop 2也支持快照功能。

2.21平台

hadoop 2.x - 可以作为各种数据分析的平台，可以运行事件处理，流媒体和实时操作。
hadoop 3.x - 这里也可以在yarn的顶部运行事件处理，流媒体和实时操作。

2.22群集资源管理

hadoop 2.x - 对于群集资源管理，它使用yarn。 它提高了可扩展性，高可用性，多租户。
hadoop 3.x - 对于集群，资源管理使用具有所有功能的yarn。

hadoop3.x比hadoop2.x的改进

common主要改进：
    shell script rewrite
     过时api删除

hdfs改进：
    支持erasure编码
    支持超过两个namenode
    数据均衡
    多个服务端口发生变化

yarn改进：
 yarn timeline service v.2
 support for opportunistic containers and distributed scheduling

maprduece改进：
    mapreduce task-level native optimization
    reworked daemon and task heap management

其他新特性：
 shared client jars

三、结论

正如我们已经讨论了hadoop 2.x与hadoop 3.x之间的22个重要差异和3.x的改进，现在我们可以看到hadoop 2和hadoop 3哪个更好。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。如果你想了解更多相关内容请查看下面相关链接