以下大部分内容来自网络,这里主要是进行学习,比较
1、Hadoop 0.20.*的局限性
HDFS单NameNode的不足
1)扩展性问题。可以随着数据量进行水平扩展,而元数据服务器不能扩展。
2)随着文件数目的增长,元数据服务器的压力变大。据统计,2.5亿个文件在NameNode中Namespace占据 的大概64GB的内存空间。
3)文件操作的吞吐率受到单个元数据服务器的限制。目前,Hadoop 0.20.*版本可以达到120k readops/sec,6000 writeops/sec.
4)隔离性的问题。
MapReduce编程模型与运行时环境紧耦合
1)集群资源利用率较低。整个集群资源按照固定Slot为单位进行资源分配,没有考虑MapTask、ReduceTask任务的特点和逻辑关系进行不同的配置。
单个JobTracker的单点故障和扩展性
1)JobTracker的负载较重。JobTracker负责作业和任务的初始化、以及提供TaskTracker的RPC Server、任务的调度等任务。因此,JobTracker一旦故障,所有执行的任务的状况丢失。
2.Hadoop-2(0.23)的New Features
HDFS Federation
1) Namespace与block Management解耦。
MapReduce NextGen aka YARN
1)编程模型与运行时框架解耦。
2)运行时环境的扩展性与单点故障问题。
可见,hadoop 2是针对性地解决了hadoop 0.20.x中的问题.
ref:
Hadoop0.23.0初探1---前因后果
补充一下线上资源:
- 1.0.X - current stable version, 1.0 release
- 1.1.X - current beta version, 1.1 release
- 2.X.X - current alpha version
- 0.23.X - simmilar to 2.X.X but missing NN HA.
- 0.22.X - does not include security
- 0.20.203.X - legacy stable version
- 0.20.X - legacy version