Hadoop3.0的新特性

Posted 2022-12-10 汪本成

1. Hadoop3.0简介
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JDK1.8重新发布一个新的Hadoop版本，而这正是hadoop 3.0。
Hadoop 3.0的alpha版预计今年夏天发布，GA版本11月或12月发布。
Hadoop 3.0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 NativeTask优化、YARN基于cgroup的内存和磁盘IO隔离、YARN container resizing等。
2. Hadoop3.0新特性
Hadoop 3.0在功能和性能方面，对hadoop内核进行了多项重大改进，主要包括：
2.1 HadoopCommon （1）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 （2）Classpath isolation以防止不同版本jar包冲突，比如googleGuava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） （3）Shell脚本重构。 Hadoop3.0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。[url=]https://issues.apache.org/jira/browse/HADOOP-9902[/url]
2.2 HadoopHDFS
（1）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） （2）多NameNode支持，即支持一个集群中，一个active、多个standbynamenode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）
2.3 HadoopMapReduce
（1）Tasknative优化。为MapReduce增加了C/C++的map outputcollector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） （2）MapReduce内存参数自动推断。在Hadoop2.0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javaheap使用到。（ https://issues.apache.org/jira/browse/MAPREDUCE-5785）
2.4 HadoopYARN
（1）基于cgroup的内存隔离和IO Disk隔离（ https://issues.apache.org/jira/browse/YARN-2619） （2）用curator实现RM leader选举（ https://issues.apache.org/jira/browse/YARN-4438） （3）containerresizing（ https://issues.apache.org/jira/browse/YARN-1197） （4）Timelineserver next generation（[url=]https://issues.apache.org/jira/browse/YARN-2928[/url]）
3.  Hadoop3.0总结
Hadoop 3.0的alpha版预计今年夏天发布，GA版本11月或12月发布。
Hadoop 3.0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 NativeTask优化、YARN基于cgroup的内存和磁盘IO隔离、YARN container resizing等。