hadoop3.0可用【 GA】版发布与alpha1版比较有哪些不同

问题导读

1.容器新增加了哪个概念？
2.Opportunistic类型容器有什么特点？
3.为何说Opportunistic类型容器提高集群效率？
4.hadoop3.0，可以通过什么方式来配置Capacity 调度？
5.yarn资源类型除了cpu和内存，还可以自定义哪些类型？


上一篇：
Apache Hadoop 3.0.0-alpha1版发布做了哪些改进
http://www.aboutyun.com/forum.php?mod=viewthread&tid=19809
hadoop GA可用版发布，与alpha1增加了不少功能，这里摘出与alpha1功能上不同的地方。如下：


Shaded client jars
解决了依赖冲突问题
hadoop2.x中所有依赖都添加到应用程序环境变量，这样有可能造成应用程序依赖与hadoop依赖冲突。HADOOP-11804添加了新的 hadoop-client-api 和hadoop-client-runtime artifacts，这样避免了hadoop依赖到应用程序的classpath.这可能跟我们以前经常遇到的多个重复的包，有关系。

支持 Opportunistic 容器和分布式调度

引入了一个概念ExecutionType。应用程序需要Opportunistic类型的可执行的containers.这种类型的容器，可以在namenode上执行，甚至在调度没有资源的情况下。这种情况下，这些容器containers，将会在namenode排队,等待资源启动。Opportunistic 容器比默认的Guaranteed类型容器优先级低，因此如果需要可以抢占资源，为Guaranteed容器腾出空间。这将提高集群利用率。

S3Guard：为S3 客户端文件系统提供一致性和缓存Metadata
HADOOP-13345为亚马逊存储（Amazon S3 storage）S3A 客户端添加了一个可选的feature：有能力使用DynamoDB表作为一个快速的和一致的存储文件和目录元数据

HDFS基于路由器联盟（Router-Based Federation） 
HDFS路由器联盟添加了RPC 路由层，提供多个HDFS命名空间namespaces的联合视图。这个与 ViewFs和 HDFS Federation类似。这里面mount table由服务端管理，而不是有客户端管理，这简化了HDFS 客户端对联盟集群的访问。


基于API配置Capacity 调度
OrgQueue扩展了capacity 调度，提供了可编程的方式来配置，可以调用 REST API 来修改队列配置。

YARN资源类型
YARN 的资源类型已经扩展到支持用户自定义类型，不止是 CPU 和内存。例如用户可以自定义的类型如GPUs，软件许可证书或则本地附加存储（ locally-attached storage），Yarn的任务可以基于这些资源调度。


英文链接：http://hadoop.apache.org/docs/r3.0.0/
对于alpha1不了解的，可参考下面
#############################################
补充：

Apache Hadoop 3.0.0-alpha1版发布做了哪些改进

Apache Hadoop 3.0.0-alpha1包含很多重要的改进在hadoop2.x的基础上。
这个是一个alpha 版，通过开发者和使用者帮助测试和搜集反馈。API的稳定性和质量还不能保证。

概述

提倡阅读全部发布说明，这里对更改内容做一个概述。

1.Java最低版本要求从Java7更改为Java8
所有的Hadoop JARs针对运行时版本的Java 8被编译。仍在使用Java 7或更低版本的用户必须升级至Java 8。


2.支持hdfs erasure encoding
与副本相比纠删码是一种更节省空间的数据持久化存储方法。编码标准如Reed Solomon（10,4）有1.4倍的空间开销.与HDFS副本相比则是3倍空间开销。
因为纠删码主要的额外开销是在重建和执行远程读，它传统用于存储冷数据，即不经常访问的数据。当部署这个新特性时用户应该考虑纠删码的网络和CPU开销。
更多细节参考 HDFS Erasure Coding （http://hadoop.apache.org/docs/r3 ... SErasureCoding.html）文档.


3、YARN Timeline Service v.2
我们引入YARN 的alpha 1版，. YARN Timeline Service v.2 地址两大挑战：提高时间轴的可扩展性和可靠性，并通过引入流量和聚合增强可用性.
————————————————
YARN Timeline Service v.2 alpha 1让用户和开发者测试，反馈和建议为替换 Timeline Service v.1.x做准备。它应用于测试容量。最重要的是，没有启用安全性。不设置或则使用Timeline Service v.2 ，直到安全是有效的如果安全是一个关键的要求。
更多细节参考 YARN Timeline Service v.2 【http://hadoop.apache.org/docs/r3.0.0-alpha1/hadoop-yarn/hadoop-yarn-site/TimelineServiceV2.html】文档.

4、Shell 脚本重写
Hadoop的shell脚本已被重写，解决许多长期存在的漏洞，包括一些新的功能。尽管一些关键点保持兼容性，但是一些更改可能会破坏现有的安装。
不兼容的改变在发布说明中，相关的讨论在 HADOOP-9902（https://issues.apache.org/jira/browse/HADOOP-9902）
更多内容在 Unix Shell Guide文档。也可看 Unix Shell API文档，它描述了许多新的功能，特别是与可扩展性有关的功能。



5、MR任务级本地优化
MR任务级本地优化。MapReduce添加了Map输出collector的本地实现。对于shuffle密集型作业，这将会有30%以上的性能提升。
更多细节： MAPREDUCE-2841（https://issues.apache.org/jira/browse/MAPREDUCE-2841）

6、支持2个及以上 NameNodes.
允许用户运行多个Standby NN，更高的容错性。比如，通过配置3个NN和5个JournalNodes，集群能够容忍2个NN宕机而不是之前的一个。
刚开始HDFS NameNode高可用提供了一个namenode,和Standby namenode.通过规定的三个JournalNodes，复制edits 。这种架构能够容忍系统中的任何一个节点的失败。
然而，一些部署需要更高程度的容错性。这是通过这一新功能，它允许用户运行多个备用节点【Standby namenode】。例如，通过配置三个NameNodes和五个journalnodes，集群能够容忍两节点而不是一个失败。
高可用文档（http://hadoop.apache.org/docs/r3.0.0-alpha1/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithQJM.html）已经更新，说明如何配置多个namenode。



7、更改多个服务的默认端口。
此前，多个Hadoop服务的默认端口是在Linux的临时端口范围（32768-61000）。这意味着在启动时，服务有时会失败，绑定到端口，由于与另一个应用程序的冲突。
这个冲突的端口已经移出这个范围，影响 NameNode, Secondary NameNode, DataNode, 和KMS。文档已更新
发布说明地址https://issues.apache.org/jira/browse/HDFS-9427
更改端口列表地址https://issues.apache.org/jira/browse/HADOOP-12811

8.支持微软Azure 数据Lake 系统连接器
hadoop支持整合软Azure 数据Lake作为一种替代Hadoop兼容的文件系统。

9、Intra-datanode 平衡器
一个DataNode管理多个磁盘.

10.改编守护进程和任务堆管理
hadoop守护进程及MapReduce任务一系列的heap管理的改变。
HADOOP-10950(https://issues.apache.org/jira/browse/HADOOP-10950) 介绍了配置守护进程heap大小配置方法
值得注意的是基于主机内存调整成为可能，和 HADOOP_HEAPSIZE 值被弃用。更多细节查看发布说明 HADOOP-10950
MAPREDUCE-5785（https://issues.apache.org/jira/browse/MAPREDUCE-5785）简化了map和reduce任务的heap大小的配置，因此理想的heap的大小，不在需要任务的指定配置和作为Java选项。已有的配置不受影响。更多谢姐可查看MAPREDUCE