Hadoop3.x新特性
发布时间：2019-09-20 07:27:16编辑：auto阅读（1944）
-
精简Hadoop内核，包括剔除过期的API和实现，将默认组件实现替换成最高效的实现（比如将FileOutputCommitter缺省实现换为v2版本，废除hftp转由webhdfs替代，移除Hadoop子实现序列化库org.apache.hadoop.Records
-
lasspath isolation以防止不同版本jar包冲突，比如google Guava在混合使用Hadoop、HBase和Spark时，很容易产生冲突。（https://issues.apache.org/jira/browse/HADOOP-11656）
- Shell脚本重构。 Hadoop 3.0对Hadoop的管理脚本进行了重构，修复了大量bug，增加了新特性，支持动态命令等。使用方式上则和之前版本的一致。（https://issues.apache.org/jira/browse/HADOOP-9902）
-
HDFS支持数据的擦除编码，这使得HDFS在不降低可靠性的前提下，节省一半存储空间。（https://issues.apache.org/jira/browse/HDFS-7285）
- 多NameNode支持，即支持一个集群中，一个active、多个standby namenode部署方式。注：多ResourceManager特性在hadoop 2.0中已经支持。（https://issues.apache.org/jira/browse/HDFS-6440）
- 基于cgroup的内存隔离和IO Disk隔离（https://issues.apache.org/jira/browse/YARN-2619）
- 用curator实现RM leader选举（https://issues.apache.org/jira/browse/YARN-4438）
- containerresizing（https://issues.apache.org/jira/browse/YARN-1197）
- Timelineserver next generation （https://issues.apache.org/jira/browse/YARN-2928）
-
Tasknative优化。为MapReduce增加了C/C++的map output collector实现（包括Spill，Sort和IFile等），通过作业级别参数调整就可切换到该实现上。对于shuffle密集型应用，其性能可提高约30%。（https://issues.apache.org/jira/browse/MAPREDUCE-2841）
- MapReduce内存参数自动推断。在Hadoop 2.0中，为MapReduce作业设置内存参数非常繁琐，涉及到两个参数：mapreduce.{map,reduce}.memory.mb和mapreduce.{map,reduce}.java.opts，一旦设置不合理，则会使得内存资源浪费严重，比如将前者设置为4096MB，但后者却是“-Xmx2g”，则剩余2g实际上无法让java heap使用到。（https://issues.apache.org/jira/browse/MAPREDUCE-5785）
- 添加新的 hadoop-client-api 和 hadoop-client-runtime 组件到一个单独的jar包里，以此解决依赖不兼容的问题。 （https://issues.apache.org/jira/browse/HADOOP-11804）
- 支持微软的Azure分布式文件系统和阿里的aliyun分布式文件系统
Hadoop3.x概述
Hadoop3.x中增强了很多特性，并且也改进了很多地方，是Hadoop2.x的升级（这不是废话吗）。需要注意的是，在Hadoop3.x中，不能再使用jdk1.7，而是需要升级到jdk1.8以上版本。这是因为Hadoop 2.0是基于JDK 1.7开发的，而JDK 1.7在2015年4月已停止更新，这直接迫使Hadoop社区基于JDK 1.8重新发布一个新的Hadoop版本，而这正是Hadoop3.x。Hadoop3.x以后将会调整方案架构，将Mapreduce 基于内存+io+磁盘，共同处理数据。
Hadoop 3.x中引入了一些重要的功能和优化，包括HDFS 可擦除编码、多Namenode支持、MR Native Task优化、YARN基于cgroup的内存和磁盘IO隔离、YARN container resizing等。
Hadoop3.x官方文档地址如下：
Hadoop3.x新特性之Common改进
Hadoop Common改进：
Hadoop3.x新特性之HDFS改进
Hadoop3.x中最大改变的是HDFS，HDFS通过最近black块计算，根据最近计算原则，本地black块，加入到内存，先计算，通过IO，共享内存计算区域，最后快速形成计算结果。
关于这两个特性的官方文档地址：
http://hadoop.apache.org/docs/r3.0.1/hadoop-project-dist/hadoop-hdfs/HDFSErasureCoding.html
http://hadoop.apache.org/docs/r3.0.1/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithQJM.html
Hadoop3.x新特性之YARN改进
官方文档地址：
http://hadoop.apache.org/docs/r3.0.1/hadoop-yarn/hadoop-yarn-site/TimelineServiceV2.html
Hadoop3.x新特性之MapReduce改进
Hadoop3.x新特性之其他
上一篇： Python自动化开发学习-爬虫3（性能
下一篇： GNS3学习笔记
- openvpn linux客户端使用
48978
- H3C基本命令大全
48116
- openvpn windows客户端使用
38853
- H3C IRF原理及 配置
35985
- Python exit()函数
30400
- openvpn mac客户端使用
27182
- python全系列官方中文文档
26172
- 1.常用turtle功能函数
21011
- python 获取网卡实时流量
20847
- python 获取Linux和Windows硬件信息
19207
- LLaMA Factory如何构建高质量数据集-2
45°
- MinerU-linux环境本地部署
59°
- LLaMA Factory安装和基本使用-1
58°
- 使用ms-swift基于Qwen3-8B微调小说模型
736°
- pythonp爬虫-fanqienovel字体反爬实战
806°
- 大模型基础架构
784°
- AI多模态- Janus-Pro-7B模型推理微调,融合实战2
792°
- Selenium加载用户目录爬取某宝电商数据
769°
- Scrapy对接Pyppeteer
718°
- WSL从C盘迁移到D盘
849°
- 姓名：Run
- 职业：谜
- 邮箱：383697894@qq.com
- 定位：上海 · 松江
