hadoop2.0的新特性

Hadoop2.0

• 产生背景

  1、Hadoop 1.0中HDFS和MapReduce在高可用、扩展性等方面存在问题
  2、HDFS存在的问题
      NameNode单点故障，难以应用于在线场景
      NameNode压力过大，且内存受限，影响系统扩展性
  3、MapReduce存在的问题
      JobTracker访问压力大，影响系统扩展性
      难以支持除MapReduce之外的计算框架，比如Spark、Storm等
  

• hadoop1.x和hadoop2.x的比较

  Hadoop 2.x由HDFS、MapReduce和YARN三个分支构成；
      HDFS：NN Federation（联邦）、HA；
          2.X:只支持2个节点HA，3.0实现了一主多从
      MapReduce：运行在YARN上的MR；
          离线计算，基于磁盘I/O计算
      YARN：资源管理系统
  

• HDFS2.x

  解决HDFS 1.0中单点故障和内存受限问题。
  解决单点故障
      HDFS HA：通过主备NameNode解决
      如果主NameNode发生故障，则切换到备NameNode上
  解决内存受限问题
      HDFS Federation(联邦)
      水平扩展，支持多个NameNode；
      （1）所有NameNode共享所有DataNode存储资源
      （2）每个NameNode分管一部分目录；
  2.x仅是架构上发生了变化，使用方式不变
  对HDFS使用者透明
  HDFS 1.x中的命令和API仍可以使用
  

详细展开

• HDFS2.0如何解决主备问题

  主备服务器，主服务器主要是和客户端通讯，备服务器同步主服务器信息，将edits log存到journalNodes集群上，备服务器和journalnodes服务器的edits log同步
  HA为了扩展NameNode需要处理元数据信息
  元数据信息可以分为动态元数据和静态元数据
      动态元数据需要通过DataNode分别和两台NameNode传信息
      静态元数据可以通过NFS创建共享服务器，将edits log放进去，两台NameNode都可以和共享服务器通讯，达到同步数据的结果
      最好用journalnode集群放置edits log，让两台NameNode可以和jn进行通讯，更新内存信息
  NameNode自动切换主备
      zookeeper
          维护树
          事务处理
          控制
              控制NameNode心跳
  

• HDFS2.0 HA

  主备NameNode
  解决单点故障（属性，位置）
      主NameNode对外提供服务，备NameNode同步主NameNode元数据，以待切换
          所有DataNode同时向两个NameNode汇报数据块信息（位置）
          JNN:集群（属性）
      standby：备，完成了edits.log文件的合并产生新的image，推送回ANN
  两种切换选择
      手动切换：通过命令实现主备之间的切换，可以用HDFS升级等场合
      自动切换：基于Zookeeper实现
  基于Zookeeper自动切换方案
      ZooKeeper Failover Controller：监控NameNode健康状态，
      并向Zookeeper注册NameNode
      NameNode挂掉后，ZKFC为NameNode竞争锁，获得ZKFC 锁的NameNode变为active
  

• HDFS 2.x Federation（联邦机制）

  通过多个namenode/namespace把元数据的存储和管理分散到多个节点中，使到namenode/namespace可以通过增加机器来进行水平扩展。
  能把单个namenode的负载分散到多个节点中，在HDFS数据规模较大的时候不会也降低HDFS的性能。可以通过多个namespace来隔离不同类型的应用，把不同类型应用的HDFS元数据的存储和管理分派到不同的namenode中。