Hadoop3.0版本新特性

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JDK 1.8重新发布一个新的Hadoop版本，而这正是hadoop 3.0。

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 Native Task优化、YARN基于cgroup的内存和磁盘IO隔离、YARN container resizing等。

hadoop3.x将会调整方案架构，将Mapreduce基于内存+io+磁盘，共同处理数据。其实最大改变的是hdfs，hdfs 通过最近black块计算，根据最近计算原则，本地black块，加入到内存，先计算，通过IO，共享内存计算区域，最后快速形成计算结果。

1.Hadoop Common
（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google Guava在混合使用Hadoop、HBase和Spark时，很容易产生冲突
（3）Shell脚本重构。 Hadoop 3.0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。

2.Hadoop HDFS
（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
（2）多NameNode支持，即支持一个集群中，一个active、多个standby namenode部署方式

3.Hadoop MapReduce
（1）Tasknative优化。为MapReduce增加了C/C++的map output collector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%。
（2）MapReduce内存参数自动推断。在Hadoop 2.0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java heap使用到。

4.Hadoop YARN
（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 （https://issues.apache.org/jira/browse/YARN-2928）

Hadoop3.0 总结
1、JDK版本的最低依赖从1.7变成了1.8；
2、HDFS支持Erasure Encoding；
3、Timeline Server v2版本；
4、hadoop-client这个依赖分为hadoop-client-api和hadoop-client-runtime两个依赖；
5、支持随机container和分布式调度；
6、MR进行了task级别的本地优化，性能提升30%；
7、支持多个Standby状态的NameNode；
8、多个端口被改动；
9、 支持微软的Azure分布式文件系统和阿里的aliyun分布式文件系统；
10、datanode内部添加了负载均衡；