Hadoop入门进阶步步高（六）-Hadoop1.x与Hadoop2的差别

六、Hadoop1.x与Hadoop2的差别

1、变更介绍

Hadoop2相比較于Hadoop1.x来说，HDFS的架构与MapReduce的都有较大的变化，且速度上和可用性上都有了非常大的提高，Hadoop2中有两个重要的变更：

l HDFS的NameNodes能够以集群的方式布署，增强了NameNodes的水平扩展能力和可用性；

l MapReduce将JobTracker中的资源管理及任务生命周期管理（包括定时触发及监控），拆分成两个独立的组件，并更名为YARN（Yet Another Resource Negotiator）。

1.1、HDFS的变化 - 增强了NameNode的水平扩展及可用性

1.1.1、Hadoop的1.X架构的介绍

而在1.x中的NameNodes仅仅可能有一个，尽管能够通过SecondaryNameNode与NameNode进行数据同步备份，可是总会存在一定的时延，假设NameNode挂掉，可是假设有部份数据还没有同步到SecondaryNameNode上，还是可能会存在着数据丢失的问题。

架构例如以下：

包括两层：

Namespace

l 包括文件夹、文件以及块的信息

l 支持对Namespace相关文件系统的操作，如添加、删除、改动以及文件和文件夹的展示

Block Storage Service包括两部份

l 块管理（在Namenode中实现的）

提供数据节点群集成员的登记，并定期通过心跳进行检查。

提供块报告以及块的存储位置的维护

提供对块的操作，如对块进行增删改的操作及获取块的存储地址

对块的复本的的复制以及存储位置的管理

l 存储 - 提供Datanode进行数据的本地存储，并提供读写的操作

1.1.1、Hadoop的2.X架构的介绍

在2.X中，HDFS的变化，主要体如今增强了NameNode的水平扩展及可用性，能够同一时候部署多个NameNode，这些NameNodes之间是相互独立，也就是说他们不须要相互协调，DataNode同一时候在全部NameNodes注冊，做为他们共同拥有的存储节点，并向定时向全部的这些NameNodes发送心跳块使用情况的报告，并处理全部NameNodes向其发送的指令。

架构例如以下：

存储块池（Block Pool）

一个存储块池是由一组存储块组成，它属于一个单独的Namespace（Namenode），集群中全部存储块池的存储块都是存放在Datanodes中的。每一个存储块池与其他的存储块池都是独立管理的，因而其在为新的块生成Block IDs时，就不须要与其他Namespace（Namenode）中的存储块池进行协作，即使一个Namespace（Namenode）挂掉了，也不会使得Datanodes中的块被訪问不到，由于其他Namespace（Namenode）中的存储块池也存放了Datanodes中全部存储块的信息。

一个命名空间(Namespace)和它的块池一起被称为命名空间向量。它是一个自包括的管理单元。当一个Namenode/namespace被删除，存储于Datanodes中的相应的存储块池也会被删除掉，在集群的更新过程中，每一个命名空间向量都是以一个总体进行升级的。

集群ID（ClusterID）

集群ID的添加，是用于确认集群中全部的节点，也能够在格式化其他Namenodes时指定集群ID，并使其添加到某个集群中。

1.2、MapReduce拆分JobTracker为资源管理及任务生命周期管理两个独立的组件

MapReduce在Hadoop2中称为MR2或YARN，将JobTracker中的资源管理及任务生命周期管理（包括定时触发及监控），拆分成两个独立的服务，用于管理全部资源的ResourceManager以及管理每一个应用的ApplicationMaster，ResourceManager用于管理向应用程序分配计算资源，每一个ApplicationMaster用于管理应用程序、调度以及协调。一个应用程序能够是经典的MapReduce架构中的一个单独的任务，也能够是这些任务的一个DAG（有向无环图）任务。ResourceManager及每台机上的NodeManager服务，用于管理那台机的用户进程，形成计算架构。每一个应用程序的ApplicationMaster实际上是一个框架详细库，并负责从ResourceManager中协调资源及与NodeManager(s)协作运行并监控任务。

架构图：

当中ResourceManager包括两个基本的组件：定时调用器(Scheduler)以及应用管理器(ApplicationManager)。

定时调用器(Scheduler)：

定时调度器负责向应用程序分配置资源，它不做监控以及应用程序的状 态跟踪，而且它不保证会重新启动由于应用程序本身或硬件出错而运行失败 的应用程序。

应用管理器(ApplicationManager)：

应用程序管理器负责接收新任务，协调并提供在ApplicationMaster容 器失败时的重新启动功能。

节点管理器（NodeManager）：

NodeManager是ResourceManager在每台机器的上代理，负责容器的管 理，并监控他们的资源使用情况（cpu，内存，磁盘及网络等），以及向 ResourceManager/Scheduler提供这些资源使用报告。

应用总管（ApplicationMaster）：

每一个应用程序的ApplicationMaster负责从Scheduler申请资源，以及 跟踪这些资源的使用情况以及任务进度的监控。

2、详细变化

2.1、配置文件的路径

在1.x中，Hadoop的配置文件是放在$HADOOP_HOME/conf文件夹下的，关键的配置文件在src文件夹都有相应的存放着默认值的文件，例如以下：

配置文件	默认值配置文件
$HADOOP_HOME/conf/core-site.xml	$HADOOP_HOME/src/core/core-default.xml
$HADOOP_HOME/conf/hdfs-site.xml	$HADOOP_HOME/src/hdfs/hdfs-default.xml
$HADOOP_HOME/conf/mapred-site.xml	$HADOOP_HOME/src/mapred/mapred-default.xml

我们在$HADOOP_HOME/conf以下配置的core-site.xml等的值，就是对默认值的一个覆盖，假设没有在conf以下的配置文件里设置，那么就使用src以下相应文件里的默认值，这个在使用过程中非常方便，也非常有助于我们理解。

Hadoop能够说是云计算的代名词，其也有非常多衍生的产品，不少衍生的配置方式都遵从Hadoop的这样的配置方式，如HBase的配置文件也是$HBase/conf文件夹，核心配置的名称就是hbase-site.xml，假设学习了Hadoop再去学习HBase，从配置的理解上来说，就会有一种亲切的感觉。

可是在2.x中，Hadoop的架构发生了变化，而配置文件的路径也发生了变化，放到了$HADOOP_HOME/etc/hadoop文件夹，这样改动的目的，应该是让其更接近于Linux的文件夹结构吧，让Linux用户理解起来更easy。Hadoop 2.x中配置文件的几个基本的变化：

l 去除了原来1.x中包括的$HADOOP_HOME/src文件夹，该文件夹包括关键配置文件的默认值；

l 默认不存在mapred-site.xml文件，须要将当前mapred-site.xml.template文件copy一份并重命名为mapred-site.xml，而且仅仅是一个具有configuration节点的空文件；

l 默认不存在mapred-queues.xml文件，须要将当前mapred-queues.xml.template文件copy一份并重命名为mapred-queues.xml；

l 删除了master文件，如今master的配置在hdfs-site.xml通过属性dfs.namenode.secondary.http-address来设置，例如以下：

<property>

<name>dfs.namenode.secondary.http-address</name>

<value>nginx1:9001</value>

</property>

l 添加了yarn-env.sh，用于设置ResourceManager须要的环境变量，主要须要改动JAVA_HOME；

l 添加yarn-site.xml配置文件，用于设置ResourceManager；

2.2、命令文件文件夹的变化

在1.x中，全部的命令文件，都是放在bin文件夹下，没有区分client和服务端命令，而且终于命令的运行都会调用hadoop去运行；而在2.x中将服务端使用的命令单独放到了sbin文件夹，当中有几个基本的变化：

l 将./bin/hadoop的功能分离。在2.x中./bin/hadoop命令仅仅保留了这些功能：client对文件系统的操作、运行Jar文件、远程拷贝、创建一个Hadoop压缩、为每一个守护进程设置优先级及运行类文件，另外添加了一个检查本地hadoop及压缩库是否可用的功能，详情能够通过命令“hadoop -help”查看。

而在1.x中，./bin/hadoop命令还包括：NameNode的管理、DataNode的管理、 TaskTracker及JobTracker的管理、服务端对文件系统的管理、文件系统的检查、获取队列 信息等，详情能够通过命令“hadoop -help”查看。

l 添加./bin/hdfs命令。./bin/hadoop命令的功能被剥离了，并非代表这些命令不须要了，而是将这些命令提到另外一个名为hdfs的命令中，通过hdfs命令能够对NameNode格式化及启动操作、启动datanode、启动集群平衡工具、从配置库中获取配置信息、获取用户所在组、运行DFS的管理client等，详细能够通过“hdfs -help”查看。

l 添加./bin/yarn命令。原来1.x中对JobTracker及TaskTracker的管理，放到了新增的yarn命令中，该命令能够启动及管理ResourceManager、在每台slave上面都启一个NodeManager、运行一个JAR或CLASS文件、打印须要的classpath、打印应用程序报告或者杀死应用程序等、打印节点报告等，详情能够通过命令“yarn -help”查看。

l 添加./bin/mapred命令。该命令能够用于运行一个基于管道的任务、计算MapReduce任务、获取队列的信息、独立启动任务历史服务、远程文件夹的递归拷贝、创建hadooop压缩包，详情能够通过“./mapred -help”。